Multi-Head Attention

term_id: multi_head_attention

Category: basic_concepts

Definition

Multi-Head Attention utvidgar den standardiserade uppmärksamhetsmekanismen genom att köra den flera gånger parallellt med olika inlärd linjära projektioner. Detta gör att modellen gemensamt kan uppmärksamma information från olika positioner i sekvensen.

Summary

En mekanism i transformer-modeller som gör att modellen kan uppmärksamma information från olika representationsunderutrymmen samtidigt.

Key Concepts

  • Self-Attention (Självuppmärksamhet)
  • Linjära projektioner
  • Konkatenering

Use Cases

  • Bearbetning av naturligt språk (NLP)
  • Maskinöversättning
  • Bildklassificering med 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