Multi-Head Attention

term_id: multi_head_attention

Category: basic_concepts

Definition

Multi-Head Attention erweitert den Standard-Aufmerksamkeitsmechanismus, indem er mehrere Male parallel mit unterschiedlichen gelernten linearen Projektionen ausgeführt wird. Dies ermöglicht es dem Modell, Informationen aus verschiedenen Perspektiven gemeinsam zu berücksichtigen.

Summary

Ein Mechanismus in Transformer-Modellen, der es dem Modell ermöglicht, gleichzeitig Informationen aus verschiedenen Repräsentations-Subräumen zu beachten.

Key Concepts

  • Selbst-Aufmerksamkeit
  • Lineare Projektionen
  • Verkettung

Use Cases

  • Natural Language Processing (NLP)
  • Maschinelle Übersetzung
  • Bildklassifizierung mit Vision Transformern

Code Example

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