机器学习 · 函数

注意力层

创建多头注意力层。对标 torch.nn.MultiheadAttention。参数: 嵌入维度: 输入嵌入的维度头数: 注意力头的数量，默认为 8 返回: nn.MultiheadAttention 实例

调用签名(嵌入维度: 'int', 头数: 'int' = 8)

注ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 完整案例：按字段调用 注意力层
设 结果 = 机器学习.注意力层(
    嵌入维度=[1, 2, 3, 4],  # 必填；整数类型的 嵌入维度 参数,按函数业务含义传入对...
    头数=8,  # 可选；整数类型的 头数 参数,按函数业务含义传入对应数...
)
打印(结果)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

2 个参数

参数类型 / 传入方式说明

嵌入维度可选 · 默认无

int位置参数或字段名=值

整数类型的嵌入维度参数,按函数业务含义传入对应数值。

常见错误：漏传会报 TypeError: missing required argument: '嵌入维度';检查调用是否漏了这行

头数可选 · 默认 8

int位置参数或字段名=值

整数类型的头数参数,按函数业务含义传入对应数值。

常见错误：传非整数会报 TypeError;按整数类型传值

Playbook

基础用法 · 进阶组合 · 错误排查

# 完整案例：按字段调用 注意力层
设 结果 = 机器学习.注意力层(
    嵌入维度=[1, 2, 3, 4],  # 必填；整数类型的 嵌入维度 参数,按函数业务含义传入对...
    头数=8,  # 可选；整数类型的 头数 参数,按函数业务含义传入对应数...
)
打印(结果)

# 进阶组合:注意力层 配合 机器学习 业务流使用
设 模型 = 机器学习.训练线性回归([[1], [2], [3]], [2, 4, 6])
设 结果 = 机器学习.注意力层(
    嵌入维度=[1, 2, 3, 4],  # 必填
    头数=8,  # 可选
)
设 结果 = 机器学习.预测(模型, [[4]])
打印(结果)

# 错误排查:覆盖 1 个必填参数

## 参数 1: 嵌入维度
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器学习.注意力层()  # TypeError
# 修复:补上必填字段
设 结果 = 机器学习.注意力层(嵌入维度=[1, 2, 3, 4])
打印(结果)