graph.py

   1 #!/usr/bin/env python
   2
   3 import math
   4
   5 import torch, torchvision
   6
   7 from torch import nn
   8 from torch.nn import functional as F
   9
  10 import cairo
  11
  12
  13 ######################################################################
  14 def save_attention_image(
  15     filename,
  16     tokens_input,
  17     tokens_output,
  18     attention,
  19     n_sample=0,
  20     n_head=0,
  21     pixel_scale=8,
  22     token_gap=10,
  23     layer_gap=25,
  24     y_eps=0.5,
  25     padding=10,
  26     min_att=0,
  27     k_top=None,
  28 ):
  29     attention = torch.cat(
  30         [x[n_sample : n_sample + 1, n_head] for x in attention], dim=0
  31     )
  32
  33     if k_top is not None:
  34         attention = attention * (
  35             attention.sort(dim=-1, descending=True).indices < k_top
  36         )
  37
  38     surface = cairo.RecordingSurface(cairo.CONTENT_COLOR_ALPHA, None)
  39
  40     ctx = cairo.Context(surface)
  41     ctx.scale(pixel_scale, pixel_scale)
  42
  43     ctx.set_source_rgb(0.0, 0.0, 0.0)
  44     ctx.set_font_size(4.0)
  45     # ctx.select_font_face("Arial", cairo.FONT_SLANT_NORMAL, cairo.FONT_WEIGHT_NORMAL)
  46
  47     x, y = 0, 0
  48
  49     for d in range(attention.size(0)):
  50         at = attention[d]
  51         ni = torch.arange(at.size(0))[:, None].expand_as(at)
  52         nj = torch.arange(at.size(1))[None, :].expand_as(at)
  53         at = at.flatten()
  54         o = at.sort().indices
  55         at = at[o]
  56         ni = ni.flatten()[o]
  57         nj = nj.flatten()[o]
  58         for i, j, a in zip(ni, nj, at):
  59             if a > 0 and a >= min_att:
  60                 c = 1 - a.item()
  61                 ctx.set_source_rgb(c, c, c)
  62                 ctx.set_line_width(0.5)
  63                 ctx.move_to(j * token_gap, y - y_eps)
  64                 ctx.line_to(i * token_gap, y - layer_gap + y_eps)
  65                 ctx.stroke()
  66         y -= layer_gap
  67
  68     for d in range(0, attention.size(0) + 1):
  69         for n in range(attention.size(-1)):
  70             xc, yc = n * token_gap, -d * layer_gap
  71             ctx.set_source_rgb(1.0, 1.0, 1.0)
  72             ctx.arc(xc, yc, token_gap / 10, 0, 2 * math.pi)
  73             ctx.fill()
  74             ctx.set_source_rgb(0.0, 0.0, 0.0)
  75             ctx.arc(xc, yc, token_gap / 20, 0, 2 * math.pi)
  76             ctx.fill()
  77
  78     ctx.set_source_rgb(0.0, 0.0, 0.0)
  79
  80     for k, t in enumerate(tokens_input):
  81         s = str(t)
  82         (
  83             x_bearing,
  84             y_bearing,
  85             width_t,
  86             height_t,
  87             x_advance,
  88             y_advance,
  89         ) = ctx.text_extents(s)
  90         ctx.move_to(k * token_gap - width_t / 2, token_gap / 5 - y_bearing)
  91         ctx.show_text(s)
  92
  93     for k, t in enumerate(tokens_output):
  94         s = str(t)
  95         (
  96             x_bearing,
  97             y_bearing,
  98             width_t,
  99             height_t,
 100             x_advance,
 101             y_advance,
 102         ) = ctx.text_extents(s)
 103         ctx.move_to(
 104             k * token_gap - width_t / 2, -token_gap / 5 - attention.size(0) * layer_gap
 105         )
 106         ctx.show_text(s)
 107
 108     x, y, width, height = surface.ink_extents()
 109     x -= padding
 110     y -= padding
 111     width += 2 * padding
 112     height += 2 * padding
 113     pdf_surface = cairo.PDFSurface(filename, width, height)
 114     ctx_pdf = cairo.Context(pdf_surface)
 115     ctx_pdf.set_source_surface(surface, -x, -y)
 116     ctx_pdf.paint()
 117     pdf_surface.finish()
 118
 119
 120 ######################################################################
 121
 122 if __name__ == "__main__":
 123     import mygpt
 124
 125     tokens_output = ["bluh", 2, 3, 4, "blih"]
 126     tokens_input = ["n/a"] + tokens_output[:-1]
 127
 128     vocabulary_size = 3
 129     x = torch.randint(vocabulary_size, (1, len(tokens_input)))
 130
 131     model = mygpt.MyGPT(
 132         vocabulary_size=vocabulary_size,
 133         dim_model=4,
 134         dim_keys=2,
 135         dim_hidden=2,
 136         nb_heads=2,
 137         nb_blocks=3,
 138         dropout=0.1,
 139         causal=True,
 140     )
 141
 142     model.eval()
 143     model.record_attention()
 144
 145     y1 = model(mygpt.BracketedSequence(x)).x
 146
 147     attention = model.retrieve_attention()
 148
 149     save_attention_image("attention.pdf", tokens_input, tokens_output, attention)