Update.
authorFrançois Fleuret <francois@fleuret.org>
Tue, 29 Aug 2023 06:37:08 +0000 (08:37 +0200)
committerFrançois Fleuret <francois@fleuret.org>
Tue, 29 Aug 2023 06:37:08 +0000 (08:37 +0200)
graph.py

index 6db9ed7..07e376a 100755 (executable)
--- a/graph.py
+++ b/graph.py
@@ -14,10 +14,12 @@ import cairo
 
 
 def save_attention_image(
-    filename,  # image to save
+    # image to save
+    filename,
     tokens_input,
     tokens_output,
-    attention_matrices,  # list of 2d tensors T1xT2, T2xT3, ..., Tk-1xTk
+    # list of 2d tensors T2xT1, T3xT2, ..., TkxTk-1
+    attention_matrices,
     # do not draw links with a lesser attention
     min_link_attention=0,
     # draw only the strongest links necessary so that their summed
@@ -25,6 +27,7 @@ def save_attention_image(
     min_total_attention=None,
     # draw only the top k links
     k_top=None,
+    # the purely graphical settings
     curved=True,
     pixel_scale=8,
     token_gap=15,
@@ -170,8 +173,7 @@ if __name__ == "__main__":
 
     attention_matrices = [m[0, 0] for m in model.retrieve_attention()]
 
-    # attention_matrices = [ torch.rand(3,5), torch.rand(8,3), torch.rand(5,8) ]
-    # for a in attention_matrices: a=a/a.sum(-1,keepdim=True)
+    # attention_matrices = [torch.rand(*s) for s in [ (4,5),(3,4),(8,3),(5,8) ]]
 
     save_attention_image(
         "attention.pdf",