Yila

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.

Actualizado: 16 oct 2026Revisado por Roxy Liu20,27 mil2,23 mil

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

  1. 1Elija una figura
  2. 2Describa su objeto de estudio y los pasos que quiere destacar
  3. 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.

Descargar PNG de ejemplo