Transformer 解码器层
Transformer 解码器层由三个子层组成：多头自注意力机制、编码-解码交叉注意力机制（encoder-decoder cross attention）和前馈神经网络。如果 normalize_before 为 True，则对每个子层的输入进行层标准化（Layer Normalization），对每个子层的输出进行 dropout 和残差连接（residual connection）。否则（即 normalize_before 为 False），则对每个子层的输入不进行处理，只对每个子层的输出进行 dropout、残差连接（residual connection）和层标准化（Layer Normalization）。
- d_model (int) - 输入输出的维度。
- nhead (int) - 多头注意力机制的 Head 数量。
- dim_feedforward (int) - 前馈神经网络中隐藏层的大小。
- dropout (float，可选) - 对三个子层的输出进行处理的 dropout 值。默认值：0.1。
- activation (str，可选) - 前馈神经网络的激活函数。默认值：
relu。- attn_dropout (float，可选) - 多头自注意力机制中对注意力目标的随机失活率。如果为
None则attn_dropout = dropout。默认值：None。- act_dropout (float，可选) - 前馈神经网络的激活函数后的 dropout。如果为
None则act_dropout = dropout。默认值：None。- normalize_before (bool，可选) - 设置对每个子层的输入输出的处理。如果为
True，则对每个子层的输入进行层标准化（Layer Normalization），对每个子层的输出进行 dropout 和残差连接（residual connection）。否则（即为False），则对每个子层的输入不进行处理，只对每个子层的输出进行 dropout、残差连接（residual connection）和层标准化（Layer Normalization）。默认值：False。- weight_attr (ParamAttr|tuple，可选) - 指定权重参数属性的对象。如果是
tuple，多头自注意力机制的权重参数属性使用weight_attr[0]，编码-解码交叉注意力机制的权重参数属性使用weight_attr[1]，前馈神经网络的权重参数属性使用weight_attr[2]。如果该值是ParamAttr，则多头自注意力机制、编码-解码交叉注意力机制和前馈神经网络的权重参数属性都使用ParamAttr。默认值：None，表示使用默认的权重参数属性。具体用法请参见cn_api_fluid_ParamAttr。- bias_attr （ParamAttrbool，可选）- 指定偏置参数属性的对象。如果是
tuple，多头自注意力机制的偏置参数属性使用bias_attr[0]，编码-解码交叉注意力机制的偏置参数属性使用bias_attr[1]，前馈神经网络的偏置参数属性使用bias_attr[2]。如果该值是ParamAttr，则多头自注意力机制、编码-解码交叉注意力机制和前馈神经网络的偏置参数属性都使用ParamAttr。如果该参数为bool类型，只支持为False，表示没有偏置参数。默认值：None，表示使用默认的偏置参数属性。具体用法请参见cn_api_fluid_ParamAttr。
COPY-FROM: paddle.nn.TransformerDecoderLayer