Machine learning

Multi-Head Self-Attention

A többfejes öngondoskodás (Multi-Head Self-Attention), amelyet Vaswani és munkatársai vezettek be 2017-ben, az a mechanizmus, amely lehetővé teszi, hogy egy sorozat minden pozíciója párhuzamosan számítsa ki a kapcsolatát az összes többi pozícióval. Ez a Transformer architektúra magja és a BERT, a GPT és a T5 alapja.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Vaswani, A. et al. (2017). Attention Is All You Need. NeurIPS. link
  2. Devlin, J. et al. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Multi-Head Self-Attention (Transformer Core). ScholarGate. https://scholargate.app/hu/deep-learning/self-attention-transformer

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Hivatkozik rá

ScholarGateSelf-Attention (Multi-Head Self-Attention (Transformer Core)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/self-attention-transformer · Adatkészlet: https://doi.org/10.5281/zenodo.20539026