Kom igångKom igång gratis

Quiz 2 - Question 1

Imagine an attention mask that is a diagonal matrix (a matrix with ones along the diagonal and zeros everywhere else). If you applied this attention mask to the raw attention weights, which tokens could the model attend to when predicting the next token?

Den här övningen är en del av kursen

Google DeepMind: Discover The Transformer Architecture

Visa kurs

Interaktiv övning med praktiskt arbete

Gör teori till handling med en av våra interaktiva övningar

Starta övningen