如何在Keras上添加注意层到seq2seq模型

Question

根据this文章，我写了这个模型：

enc_in=Input(shape=(None,in_alphabet_len))
lstm=LSTM(lstm_dim,return_sequences=True,return_state=True,use_bias=False)
enc_out,h,c=lstm(enc_in)
dec_in=Input(shape=(None,in_alphabet_len))
decoder,_,_=LSTM(decoder_dim,return_sequences=True,return_state=True)(dec_in,initial_state=[h,c])
decoder=Dense(units=in_alphabet_len,activation='softmax')(decoder)
model=Model([enc_in,dec_in],decoder) 

如何在解码器之前将注意力层添加到此模型？

Answer 1

您可以使用this repo，

1. 您将需要pip install keras-self-attention
2. 导入层from keras_self_attention import SeqSelfAttention
   • 如果要使用tf.keras而不是keras，请在导入os.environ['TF_KERAS'] = '1'之前添加以下内容
   • 确保您是否使用keras省略了前一个标志，因为这会导致不一致

3. 由于您正在使用keras功能API，所以

   enc_out, h, c = lstm()(enc_in)
   att = SeqSelfAttention()(enc_out)
   dec_in = Input(shape=(None, in_alphabet_len))(att)
   

   我希望这能回答您的问题，以及以后的读者