Я пытался реализовать модель Transformer с Pytorch и экспериментировал с примером из этого репозитория GitHub , который был связан с здесь в документации , и столкнулся с проблемой в классе PositionalEncoding, найденном в model.py.
Код для функции класса __init__() выглядит следующим образом:
def __init__(self, d_model, dropout=0.1, max_len=5000):
super(PositionalEncoding, self).__init__()
self.dropout = nn.Dropout(p=dropout)
pe = torch.zeros(max_len, d_model)
position = torch.arange(0, max_len, dtype=torch.float).unsqueeze(1)
div_term = torch.exp(torch.arange(0, d_model, 2).float() * (-math.log(10000.0) / d_model))
pe[:, 0::2] = torch.sin(position * div_term)
pe[:, 1::2] = torch.cos(position * div_term)
pe = pe.unsqueeze(0).transpose(0, 1)
self.register_buffer('pe', pe)
Этот код, запущенный с d_model = 103, бросил следующая ошибка в четвертой последней строке (pe[:, 0::2] = ...):
RuntimeError: расширенный размер тензора (52) должен соответствовать существующему размеру (51) при не-одиночном измерении 1. Целевые размеры : [5000, 52]. Размеры тензора: [5000, 51]
Я нашел эту ошибку довольно непробиваемой и не добился большого успеха в написании собственной, столь же эффективной реализации. Мое первое предположение было бы, что это проблема с изменениями версии в Python / PyTorch, но это может быть что-то еще, что я пропускаю.