Plantilla de figura · Sistema y red · 4:3
Figura esquemática de la arquitectura Transformer
Esquema apaisado con el bloque codificador apilado arriba a la izquierda, dos paneles que despliegan la atención multicabeza hasta su núcleo de producto escalar escalado y un panel aparte con la red feed-forward por posición abajo a la derecha, a la medida de una sección de métodos o de una clase.
Prompt
Create a scientific figure about: Transformer model architecture with attention and feed-forward blocks. Visual style: Schematic Minimal. Requirements: - publication-ready scientific quality - clear labels and directional arrows where appropriate - avoid cartoon style, avoid meme style, avoid stock-photo look - avoid neon glow and over-sharpened CGI look unless explicitly requested - composition optimized for research papers and academic slides - category context: systems-networks - minimal schematic style with reduced visual noise - strong information hierarchy using line weight and spacing - few but meaningful colors for process emphasis
Qué es esta plantilla
La figura va del conjunto a las partes. El bloque codificador de arriba a la izquierda arranca donde el embedding de entrada se suma a la codificación posicional y pasa por la autoatención multicabeza, un nodo de suma y normalización y la red feed-forward, con una marca de tarjetas apiladas que indica la repetición. Los paneles de atención abren después ese bloque: consultas, claves y valores reciben cada uno su propia proyección lineal y entran en el núcleo de producto escalar escalado, con multiplicación de matrices, escalado, una máscara opcional y normalización; luego las cabezas se concatenan y se proyectan otra vez. El panel inferior derecho despliega la red feed-forward en dos capas lineales en torno a una única activación, de modo que el grosor de línea y una paleta reducida sostienen la jerarquía.
Elementos que conviene rotular
Bloque codificador
Embedding, atención, suma y normalización y feed-forward apilados de abajo arriba, con la marca de repetición en la esquina superior del bloque.
Entrada de la codificación posicional
La codificación posicional se une al embedding de entrada en una suma dentro de un círculo, con la flecha subiendo hacia el bloque superior.
Conexiones residuales
Líneas que rodean cada subcapa hasta su nodo de suma, con un trazo que la leyenda distingue del tronco principal.
Panel multicabeza
Tarjetas desplazadas que representan las cabezas, con la primera y la última rotuladas en cada extremo de la pila.
Proyecciones de consulta, clave y valor
Tres proyecciones lineales una al lado de otra, cada una con su propia matriz de pesos y el símbolo de dimensión que le corresponde.
Núcleo de producto escalar escalado
Multiplicación de matrices, escalado, la máscara opcional y la normalización en una sola columna, que termina en el producto con los valores.
Concatenación y proyección
Las salidas de las cabezas se funden en un único tensor y pasan por una capa lineal final rotulada con la dimensión del modelo.
Panel feed-forward
Dos capas lineales alrededor de una única activación, con las funciones de activación posibles indicadas entre corchetes junto al recuadro.
Dónde se usa
- Figura de mecanismo para artículo
- Material docente
- Diapositivas de defensa
- Web del laboratorio
Qué miran los revisores
Diga dónde va la normalización
Normalizar después de la subcapa y normalizar antes son opciones habituales, y la que dibuje el esquema tiene que coincidir con su código; de lo contrario, quien reconstruya el modelo a partir de la figura montará un bloque equivocado.
La máscara no es automática
La autoatención del codificador no suele llevar máscara causal, así que, si el recuadro de máscara opcional aparece en el núcleo, aclare que corresponde al decodificador o al relleno y no a ocultar posiciones futuras en todas las capas.
Dimensiones coherentes
Los símbolos de las proyecciones, de la concatenación y de la capa de salida deben concordar entre sí, con el número de cabezas por la anchura de cada cabeza igual a la dimensión del modelo, una relación que conviene escribir en el pie.
Nombre lo que queda fuera
Aquí solo se despliega el lado del codificador: añada el decodificador y su atención cruzada si su modelo es codificador-decodificador, o diga claramente en el pie que la figura muestra únicamente el codificador.
Cómo usarla en Yila
- 1Elija una figura
- 2Describa su objeto de estudio y los pasos que quiere destacar
- 3Ajústela conversando en el chat y descargue el PNG
Consejos
Recomendable
- Ponga en la instrucción su número de capas, de cabezas y la anchura oculta, para que la marca de apilado y los rótulos de dimensión lleven valores reales.
- Pida un solo color de acento en la ruta de atención y gris en el resto; un esquema minimalista como este separa niveles con el grosor de línea.
Evite
- No mantenga dos paneles de atención casi idénticos en la misma figura; quédese con el más completo y pida que se elimine el otro.
- No cargue las flechas de rótulos: esta composición vive del espacio en blanco y el texto apiñado aplana enseguida la jerarquía.
Preguntas frecuentes
¿Puede ir directamente a un artículo?
Úsela como borrador para la sección de métodos. Es una imagen rasterizada generada por IA, así que revise la ortografía dentro de cada recuadro, el sentido de cada flecha y los símbolos de dimensión frente a su código, y pida en el chat que se quiten los paneles duplicados o sobrantes antes de darla por definitiva.
¿Se pueden modificar elementos de la figura?
No elemento por elemento, pero puede seguir ajustándola conversando en Yila: añadir el decodificador y su atención cruzada, adelantar la normalización a cada subcapa, quitar el recuadro de máscara o dejar solo el bloque codificador, y después generar una versión nueva a partir de esa descripción.
¿En qué formato se entrega?
Como imagen PNG generada por IA en horizontal, adecuada para una figura de métodos, un apunte docente o una diapositiva de defensa. No es un gráfico vectorial, de modo que la letra pequeña de los recuadros pierde nitidez al reducir la figura y debe revisarse al tamaño de envío.
¿Cuesta algo?
Explorar esta página y ver el ejemplo no cuesta nada. Generar su propia versión en Yila consume créditos, y una cuenta nueva recibe 2.500, suficientes para ajustar la profundidad, los paneles de atención y el bloque feed-forward en varias rondas.
Trabajo con modelos de visión. ¿Se puede adaptar?
Sí. La atención y la red feed-forward conservan su forma; describa la entrada como embeddings de parches, pida la codificación posicional que corresponda a su configuración y añada la cabeza de clasificación o la ruta de decodificación fuera del bloque.
¿Puedo quedarme solo con el bloque codificador?
Pida el bloque de arriba a la izquierda por sí solo, sin los paneles de atención ni de feed-forward. El resultado, estrecho, cabe en una esquina de una diapositiva o de un apunte donde el funcionamiento interno se explica en el texto.





