연구 그림 템플릿 · 시스템·네트워크 · 4:3
Transformer 아키텍처 모식도
왼쪽 위에 쌓인 인코더 블록, 멀티헤드 어텐션을 스케일드 닷프로덕트 핵심까지 펼쳐 보이는 패널 두 개, 오른쪽 아래의 위치별 피드포워드 패널로 이루어진 가로형 모식도입니다. 방법 섹션이나 강의에 맞는 크기입니다.
프롬프트
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
어떤 템플릿인가요
그림은 전체에서 부분으로 나아갑니다. 왼쪽 위 인코더 블록은 입력 임베딩과 위치 인코딩이 만나는 곳에서 시작해 멀티헤드 셀프 어텐션, add & norm 노드, 피드포워드 네트워크를 지나며, 카드를 겹친 표시로 반복을 나타냅니다. 어텐션 패널은 그 블록을 열어 보입니다. 쿼리, 키, 밸류가 각자 선형 투영을 거쳐 행렬 곱, 스케일링, 선택적 마스크, 정규화로 이루어진 스케일드 닷프로덕트 핵심에 들어가고, 그 뒤 헤드들을 이어 붙여 한 번 더 투영합니다. 오른쪽 아래 패널은 피드포워드 네트워크를 활성화 함수 하나를 사이에 둔 선형층 두 개로 펼치며, 선 굵기와 적은 색이 위계를 맡습니다.
라벨을 붙일 요소
인코더 블록
임베딩, 어텐션, add & norm, 피드포워드를 아래에서 위로 쌓고, 반복 표시는 블록 위쪽 모서리에 둡니다.
위치 인코딩 입구
위치 인코딩이 원 안의 덧셈 기호에서 입력 임베딩과 합쳐지고, 화살표가 위쪽 블록으로 올라갑니다.
잔차 연결
각 하위층을 건너뛰어 add 노드로 가는 선으로, 범례에서 본선과 구분해 이름 붙인 선 모양으로 그립니다.
멀티헤드 패널
헤드를 나타내는 엇갈려 겹친 카드들로, 묶음 양 끝의 첫 카드와 마지막 카드에 라벨을 붙입니다.
쿼리·키·밸류 투영
선형 투영 세 개를 나란히 두고, 각각에 자기 가중치 행렬과 그에 해당하는 차원 기호를 붙입니다.
스케일드 닷프로덕트 핵심
행렬 곱, 스케일링, 선택적 마스크, 정규화를 한 열에 두고, 마지막에 밸류와의 곱으로 끝냅니다.
이어 붙이기와 투영
헤드 출력을 하나의 텐서로 합친 뒤, 모델 차원을 적은 마지막 선형층으로 보냅니다.
피드포워드 패널
활성화 함수 하나를 가운데 둔 선형층 두 개로, 상자 옆 괄호 안에 활성화 함수 선택지를 적습니다.
주로 쓰이는 곳
- 논문 메커니즘 그림
- 강의 자료
- 학위 심사 발표
- 연구실 웹사이트
심사자가 보는 부분
정규화 위치를 밝히세요
하위층 뒤에 정규화하는 방식과 앞에 정규화하는 방식은 모두 흔히 쓰입니다. 모식도가 어느 쪽을 그리든 코드와 일치해야 하며, 그렇지 않으면 그림을 보고 모델을 다시 만드는 사람이 블록을 잘못 조립합니다.
마스크는 기본값이 아닙니다
인코더 셀프 어텐션에는 보통 인과 마스크가 없습니다. 핵심 열에 선택적 마스크 상자가 보인다면, 그것이 모든 층에서 미래 위치를 가리는 것이 아니라 디코더나 패딩에 속한다고 적어 두세요.
차원을 일관되게
투영, 이어 붙이기, 출력층에 적힌 기호가 모두 맞아야 하며, 헤드 수와 헤드당 폭의 곱이 모델 차원과 같아야 합니다. 이 관계는 그림 설명에 적어 둘 만합니다.
빠진 부분을 밝히세요
여기서는 인코더 쪽만 펼쳐져 있습니다. 인코더-디코더 모델이라면 디코더와 교차 어텐션을 더하거나, 이 그림이 인코더만 보여 준다고 그림 설명에 분명히 적으세요.
Yila에서 사용하는 방법
- 1그림 고르기
- 2연구 대상과 강조할 단계 설명하기
- 3대화로 다듬은 뒤 PNG 다운로드
사용 팁
이렇게 해 보세요
- 실제 층 수, 헤드 수, 은닉 차원을 프롬프트에 넣어 반복 표시와 차원 라벨에 진짜 숫자가 담기게 하세요.
- 어텐션 경로에만 강조색 하나를 쓰고 나머지는 회색으로 요청하세요. 이런 미니멀 모식도는 선 굵기로 단계를 나눕니다.
피하는 것이 좋습니다
- 거의 똑같은 어텐션 패널 두 개를 한 그림에 두지 마세요. 더 완전한 쪽을 고르고 다른 하나는 지워 달라고 하세요.
- 화살표 위에 라벨을 쌓지 마세요. 이 배치는 여백에 기대므로 글자가 몰리면 위계가 금세 무너집니다.
자주 묻는 질문
논문에 바로 넣어도 되나요?
방법 섹션의 초안으로 쓰세요. AI가 생성한 래스터 이미지이므로 상자 안 철자, 화살표 방향, 차원 기호를 코드와 대조하고, 최종본으로 삼기 전에 중복되거나 불필요한 패널을 대화로 지워 달라고 하세요.
그림 속 요소를 바꿀 수 있나요?
요소별로 편집할 수는 없지만 Yila와 대화하며 계속 다듬을 수 있습니다. 디코더와 교차 어텐션을 더하거나, 정규화를 각 하위층 앞으로 옮기거나, 마스크 상자를 빼거나, 인코더 블록만 남긴 뒤 그 설명으로 새 버전을 생성하세요.
어떤 형식으로 받나요?
가로형 AI 생성 PNG 이미지로, 방법 그림, 강의 자료, 심사 발표 슬라이드에 어울립니다. 벡터 그래픽이 아니므로 그림을 줄이면 상자 안의 작은 글자가 흐려지니 투고할 크기에서 확인하세요.
무료인가요?
페이지를 살펴보고 샘플을 확인하는 데는 돈이 들지 않습니다. 나만의 버전을 Yila에서 생성하면 크레딧이 차감되며, 새 계정이 받는 2,500크레딧으로 모델 깊이, 어텐션 패널, 피드포워드 블록을 여러 번 조정해 볼 수 있습니다.
비전 모델을 연구하는데 바꿔 쓸 수 있나요?
네. 어텐션과 피드포워드는 모양이 그대로입니다. 입력을 패치 임베딩으로 설명하고 설정에 맞는 위치 인코딩을 요청한 뒤, 블록 바깥에 분류 헤드나 디코딩 경로를 더하세요.
인코더 블록만 남길 수 있나요?
어텐션과 피드포워드 패널 없이 왼쪽 위 블록만 달라고 요청하세요. 폭이 좁은 결과물은 내부 구조를 본문에서 설명하는 슬라이드나 강의 자료의 한쪽 구석에 들어갑니다.





