facebookresearch/fairseq

key_padding_mask is not used in transformer decoder layer?

Open

#537 opened on 2019年2月27日

GitHub で見る
 (1 comment) (0 reactions) (0 assignees)Python (29,107 stars) (6,224 forks)batch import
bughelp wanted

説明

when reading the source code i found that key_padding_mask is not used when calculating self attention. There is no problem when the target is padded right by default because attn_mask could do the same thing. But how about left padding on the target?

コントリビューターガイド

技術スタック
pythonpytorch
領域
machine learning
Issue 種別
bug
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
4
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
half day
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
clear
前提条件
PythonPyTorchTransformer attentionfairseq internals
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
40
調査方針
Investigate the fairseq transformer decoder layer implementation, likely in `fairseq/models/transformer.py`. Look for the self attention computation and how `key padding mask` is handled. Compare with the encoder layer or other transformer implementations to identify where the mask should be applied. Consider testing with left padded targets to confirm the issue. Propose a fix by modifying the attention function to incorporate `key padding mask`.