# Encodeur, raisonneur et décodeur reliés par des sauts multi-échelles · Yila

> Trois piles teintées se superposent pour l’encodeur, le raisonneur et le décodeur, les traits pleins portant le flux de données et les pointillés les sauts multi-échelles, avec une légende en bas à gauche. La figure convient aux schémas de méthode en modélisation de séquences.

URL: https://yila.ai/fr/templates/framework-skip-network-figure

La figure présente une architecture neuronale en trois étages. Une séquence d’entrée est additionnée à un encodage positionnel puis traverse une pile de blocs encodeurs qui extraient des caractéristiques à plusieurs échelles. Le raisonneur projette ces caractéristiques, les fait passer dans ses propres blocs pour un raisonnement sur le contexte global, et en sort des représentations raisonnées. Un décodeur engendre ensuite la séquence de sortie de façon conditionnelle, et se termine par une normalisation de couche et une tête de sortie. Des traits en pointillés acheminent des caractéristiques intermédiaires des blocs encodeurs et raisonneurs vers des blocs plus tardifs. Le lecteur doit distinguer d’un coup d’œil le chemin principal des raccourcis entre couches.

- **Entrée et encodage positionnel**: Des cases de jetons et un symbole sinusoïdal convergent vers un nœud de somme ; indiquez-y la longueur de séquence et la dimension d’embedding.
- **Pile encodeur**: Un panneau teinté de blocs encodeurs en série suivis d’une normalisation de couche, le nombre de blocs restant en indice.
- **Sortie de caractéristiques multi-échelles**: Des tuiles en escalier à droite montrant les caractéristiques à plusieurs échelles ; précisez la résolution ou le pas que chaque niveau représente.
- **Pile raisonneur**: Un panneau sable qui projette les caractéristiques vers l’intérieur, raisonne sur le contexte global, puis normalise le résultat.
- **Décodeur et tête de sortie**: Projection, blocs décodeurs, normalisation de couche et tête de sortie se suivent, jusqu’aux jetons prédits.
- **Sauts multi-échelles**: Des pointillés quittent les blocs encodeurs et raisonneurs vers des blocs ultérieurs ; dites si les caractéristiques y sont additionnées ou concaténées.
- **Légende**: Un cartouche en bas à gauche sépare le flux de données plein des connexions de saut en pointillés et explique la signification des deux teintes de panneau.
- **Couches de projection**: Une projection ouvre le raisonneur puis le décodeur, et ramène la sortie de l’étage précédent à la dimension cachée de l’étage courant.

- Figure de mécanisme pour article, Diapositives de soutenance, Support de cours, Poster scientifique

- **Point d’arrivée de chaque saut**: Dans l’exemple, les pointillés partent sous un bloc encodeur et aboutissent sur le fil entre deux blocs ultérieurs, ce qui reste ambigu. Précisez si un saut entre dans l’entrée d’un bloc, dans sa sortie ou dans une somme résiduelle.
- **Accord des dimensions de caractéristiques**: Les chemins multi-échelles amènent dans un même bloc des caractéristiques de résolutions différentes : dites si une interpolation, un sous-échantillonnage ou une projection linéaire les accorde. Sans cela, le modèle reste irreproductible.
- **Profondeur et partage de paramètres**: Le nombre de blocs n’apparaît qu’en indice dans les panneaux. Les rapporteurs voudront un tableau des profondeurs réelles, des dimensions cachées et du nombre de têtes, et une phrase disant si les trois étages partagent des poids.
- **Le raisonneur se justifie-t-il ?**: Si les blocs du raisonneur sont structurellement identiques à ceux de l’encodeur, un rapporteur demandera s’il ne s’agit pas simplement d’un encodeur plus profond. Appuyez cette séparation sur une ablation qui retire le raisonneur.

## FAQ

### Cette figure d’architecture peut-elle aller telle quelle dans la partie méthode ?

Servez-vous-en comme ébauche. C’est une illustration générée par IA : les noms de blocs restent génériques et les extrémités des sauts sont imprécises. Renommez les modules d’après votre modèle et donnez en légende le départ, l’arrivée et la règle de fusion de chaque connexion avant de soumettre.

### Puis-je ajouter ou retirer des modules, ou changer les connexions ?

L’image n’est ni modifiable élément par élément ni vectorielle. Poursuivez la conversation dans Yila : retirez le raisonneur, ajoutez une seconde branche de décodage ou rendez les sauts contrôlés par une porte, et tout le schéma est régénéré d’après votre description.

### Quel format est fourni ?

Une image PNG générée par IA, dans un cadre paysage 4:3. Les trois étages superposés conviennent à une figure pleine largeur ou à une diapositive large ; si la conférence ou la revue exige du vectoriel, redessinez-la dans votre outil de diagrammes en gardant la même hiérarchie.

### Est-ce gratuit ?

Consulter cette page et l’exemple ne coûte rien. Générer la figure dans Yila, puis chaque révision, consomme des crédits. Un nouveau compte en reçoit 2 500, assez pour une première version puis un renommage étage par étage des blocs et de leurs connexions.

### La fonction de perte et l’entraînement peuvent-ils y figurer ?

Demandez un terme de perte au niveau de la tête de sortie, ou une branche sous la figure opposant entraînement et inférence. Quand le modèle compte déjà beaucoup de blocs, un schéma d’entraînement séparé évite d’enfouir le chemin principal.

### Convient-elle à des modèles qui ne traitent pas de séquences ?

L’agencement encodeur, raisonneur et décodeur se transpose aux patchs d’image, aux nuages de points ou aux nœuds de graphe. Décrivez la forme de l’entrée dans la conversation et demandez que les tuiles multi-échelles soient renommées selon les niveaux de résolution de votre modèle, en conservant les chemins de saut.

---

- [Encodeur, raisonneur et décodeur reliés par des sauts multi-échelles](https://yila.ai/fr/templates/framework-skip-network-figure)
- [llms.txt](https://yila.ai/fr/llms.txt)
