Quiz 2 - Question 2
Consider a transformer model that uses 8 attention heads. If the embedding dimension is 512, what is the usual dimension of the output vector of each head?
Diese Übung ist Teil des Kurses
<Kurs>Google DeepMind: Discover The Transformer Architecture</Kurs>Interaktive praktische Übung
Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis
Übung starten