Multi-Head Attention

term_id: multi_head_attention

Category: basic_concepts

Definition

Multi-Head Attention rozšiřuje standardní mechanismus pozornosti tím, že jej spouští vícekrát paralelně s různými naučenými lineárními projekcemi. To umožňuje modelu společně sledovat informace z různých perspektiv.

Summary

Mechanismus v modelech typu transformer, který umožňuje modelu současně věnovat pozornost informacím z různých podprostorů reprezentace.

Key Concepts

  • Self-Attention (Vlastní pozornost)
  • Lineární projekce
  • Konkatenace

Use Cases

  • Zpracování přirozeného jazyka (NLP)
  • Strojový překlad
  • Klasifikace obrázků pomocí Vision Transformerů

Code Example

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

import torch.nn as nn

class MultiHeadAttention(nn.Module):
    def __init__(self, d_model, num_heads):
        super().__init__()
        self.num_heads = num_heads
        self.d_k = d_model // num_heads
        self.W_q = nn.Linear(d_model, d_model)
        self.W_k = nn.Linear(d_model, d_model)
        self.W_v = nn.Linear(d_model, d_model)
        self.W_o = nn.Linear(d_model, d_model)

    def forward(self, x):
        # Simplified forward pass logic
        pass

Related