Attenzione Multi-Testa

term_id: multi_head_attention

Category: basic_concepts

Definition

L’Attenzione Multi-Testa estende il meccanismo di attenzione standard eseguendolo più volte in parallelo con diverse proiezioni lineari apprese. Ciò consente al modello di prestare contemporaneamente attenzione a informazioni provenienti da diverse posizioni.

Summary

Un meccanismo nei modelli transformer che consente al modello di prestare attenzione alle informazioni provenienti da diversi sottospazi di rappresentazione simultaneamente.

Key Concepts

  • Auto-Attenzione
  • Proiezioni Lineari
  • Concatenazione

Use Cases

  • Elaborazione del Linguaggio Naturale (NLP)
  • Traduzione Automatica
  • Classificazione di Immagini con Vision Transformers

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