18

Transformer encoder–decoder architecture
放大

Transformer encoder–decoder architecture

提示词
Landscape 16:9 academic concept figure of the Transformer encoder-decoder architecture, NeurIPS camera-ready style. Two vertical column stacks side-by-side with a dashed divider.

LEFT column header: "ENCODER (×N)". Blocks bottom-to-top: "Input tokens" → "Input Embedding" → "+ Positional Encoding" → dashed "Encoder layer" containing "Multi-Head Self-Attention", "Add & Norm", "Feed-Forward", "Add & Norm", with thin curved residual arrows around each sublayer.

RIGHT column header: "DECODER (×N)". Blocks bottom-to-top: "Output tokens (shifted right)" → "Output Embedding" → "+ Positional Encoding" → dashed "Decoder layer" containing "Masked Multi-Head Self-Attention", "Add & Norm", "Multi-Head Cross-Attention" (horizontal arrow from encoder top labeled "keys, values"), "Add & Norm", "Feed-Forward", "Add & Norm". Above decoder: "Linear", "Softmax", "Output probabilities".

Title: "Transformer: encoder–decoder with multi-head attention". Subtitle: "Vaswani et al., 2017".
分类
图表信息图
模型
GPT Image 2
来源作者
wuyoscar
浏览量3
来源 ID
079

使用说明

关于「Transformer encoder–decoder architecture」

这条提示词适合做什么?

「Transformer encoder–decoder architecture」AI 图片提示词,适用于 GPT Image 2,分类:图表信息图。Landscape 16:9 academic concept figure of the Transformer encoder-decoder architect…

页面上方提供可复制的完整提示词正文与示例效果图,适合直接用于 AI 图片生成或在 Picva 中一键同款。

如何使用这条提示词

  1. 步骤 1

    打开提示词详情

    查看「Transformer encoder–decoder architecture」的示例图、分类与完整 Prompt 文本。

  2. 步骤 2

    复制提示词

    一键复制页面中的提示词正文,或在 Studio 中直接带入。

  3. 步骤 3

    选择模型(GPT Image 2)

    优先使用 GPT Image 2;如切换其他模型,可保留主体与构图,微调风格词。

  4. 步骤 4

    生成并导出

    在 Picva 一键生成同款,或导出到你的工作流继续编辑发布。

常见问题

「Transformer encoder–decoder architecture」是什么提示词?
这是一条可用于 GPT Image 2 的图片生成提示词,属于「图表信息图」分类。页面提供完整 Prompt 文本、示例效果图,以及在 Picva 中一键生成同款的入口。
如何使用这条提示词生成图片?
复制页面中的提示词,或点击一键生成 / Studio。可直接粘贴到支持的图像模型,也可在 Picva 中结合参考图生成同款视觉效果。
这条提示词适合哪个模型?
页面标注模型为 GPT Image 2。多数描述型提示词也可迁移到 GPT Image、Flux、Midjourney 等相近图像模型,必要时微调风格与构图词。
可以商用吗?需要注意什么?
提示词文本通常可复制用于创作,但最终图片是否可商用取决于你使用的模型条款、参考图版权以及生成内容本身。请遵守来源作者与平台规则。