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
Google DeepMind: Discover The Transformer Architecture
Interaktive Übung
In dieser interaktiven Übung kannst du die Theorie in die Praxis umsetzen.
Übung starten