import numpy as np
from transformer import SimpleTransformer, create_padding_mask, create_look_ahead_mask


def main():
    """主函数：演示Transformer模型的使用"""
    
    # 模型超参数配置
    vocab_size = 1000   # 词汇表大小
    d_model = 512       # 模型维度（嵌入维度）
    num_heads = 8       # 多头注意力的头数
    num_layers = 6      # Transformer编码器层数
    d_ff = 2048         # 前馈网络隐藏层维度
    max_seq_len = 100   # 最大序列长度
    
    # 创建Transformer模型实例
    model = SimpleTransformer(vocab_size, d_model, num_heads, num_layers, d_ff, max_seq_len)
    
    # 创建随机输入数据（模拟token ids）
    batch_size = 2  # 批次大小
    seq_len = 10    # 序列长度
    x = np.random.randint(0, vocab_size, (batch_size, seq_len))
    
    # 打印模型配置信息
    print("=== 简单Transformer示例 ===")
    print(f"词汇表大小: {vocab_size}")
    print(f"模型维度: {d_model}")
    print(f"注意力头数: {num_heads}")
    print(f"编码器层数: {num_layers}")
    print(f"前馈网络维度: {d_ff}")
    print(f"最大序列长度: {max_seq_len}")
    print()
    
    # 打印输入信息
    print(f"输入形状: {x.shape}")
    print(f"输入样本: {x[0]}")
    print()
    
    # 执行前向传播
    output = model.forward(x)
    
    # 打印输出信息
    print(f"输出形状: {output.shape}")
    print(f"输出样本（前5个值）: {output[0, 0, :5]}")
    print()
    
    # 打印模型参数统计
    total_params = model.count_parameters()
    print(f"总参数量: {total_params:,}")
    print()
    
    # 演示掩码创建
    print("=== 注意力掩码示例 ===")
    
    # 填充掩码（用于忽略padding位置）
    padding_mask = create_padding_mask(x)
    print(f"填充掩码形状: {padding_mask.shape}")
    
    # 前瞻掩码（用于解码器，防止看到未来信息）
    look_ahead_mask = create_look_ahead_mask(seq_len)
    print(f"前瞻掩码形状: {look_ahead_mask.shape}")
    print(f"前瞻掩码示例:\n{look_ahead_mask[:5, :5]}")


if __name__ == "__main__":
    main()