Multi-Head Attention
Multi-Head Attention
Multi-Head Attention(Multi-Head Attention)은 Transformer의 전체 흐름에서 중요한 단계입니다. Attention과 FFN을 Residual/Normalization으로 연결해 Token 표현을 반복적으로 갱신하는 구조 안에서 이 개념이 어떤 입력을 받고 무엇을 출력하는지 연결해서 이해합니다.
WHY SHOULD I KNOW THIS?
왜 알아야 하나?
Transformer을 이름만 암기하지 않고 실제 데이터가 변환되는 과정을 이해하기 위한 핵심 연결점입니다. 이후 Transformer·LLM 학습에서 이 흐름이 반복해서 사용됩니다.
WHERE IS IT USED?
어디에 사용되나?
GPTBERT 계열번역LLM멀티모달
TRANSFORMER FLOW
01Token→
02Embedding→
03Attention→
04Add & Norm→
05FFN→
06Output
01TOKEN→
02EMBED + POS→
03ATTENTION→
04ADD & NORM→
05FFN→
06ADD & NORM→
07LOGITS
TRANSFORMER DATA FLOW
현재: ATTENTION
Token 표현이 Attention과 FFN을 통과하면서 문맥화되는 전체 경로를 따라가세요.
Token 표현이 Attention과 FFN을 통과하면서 문맥화되는 전체 경로를 따라가세요.
INTERACTIVE CONCEPT LABTRANSFORMER SIGNAL
CURRENT STAGE1 / 6 · Tokens
Multi-Head Attention
노드를 클릭하거나 PLAY FLOW를 눌러 정보가 어떻게 이동하는지 단계별로 확인하세요. 슬라이더는 시각적 영향도를 조절합니다.
이 Topic에서 알아야 할 핵심
✓Multi-Head Attention
✓Multi-Head Attention
✓Token → Embedding+Position → Attention → FFN → Output
✓앞 단계의 출력이 다음 단계의 입력으로 연결됨
이해 확인 질문
Q1Multi-Head Attention은 전체 Transformer 흐름의 어느 위치에 있는가?
Q2Multi-Head Attention의 입력과 출력은 무엇인가?
Q3이 개념이 빠지면 다음 단계에서 어떤 문제가 생기는가?
CATEGORY
TRANSFORMERAttention을 중심으로 Transformer 블록과 전체 데이터 흐름을 조립합니다.
CURRENT PATH
12.07 Multi-Head Attention이 Topic의 위치와 앞뒤 순서를 항상 Curriculum 기준으로 유지합니다.