La técnica de formación de haces ha atraído considerable atención en la comunicación inalámbrica debido a sus diversas ventajas como la reducción de interferencias y la mejora de la eficiencia de los recursos inalámbricos. Sin embargo, el alineamiento de haces entre dispositivos emisores y receptores, que es fundamentalmente necesario para la formación de haces, plantea un desafío significativo debido a la variabilidad continua del canal inalámbrico. Recientemente, se ha propuesto una técnica basada en aprendizaje profundo para predecir índices de haces estrechos midiendo haces anchos. Sin embargo, hay margen de mejora en el rendimiento de la arquitectura de red neuronal empleada en esta técnica. Por lo tanto, sugerimos un modelo de arquitectura de aprendizaje profundo novedoso que incorpora un módulo de atención al canal para el entrenamiento de haces. Los resultados de simulación muestran una mejora significativa en el rendimiento con nuestro esquema en comparación con un enfoque de vanguardia y otros métodos existentes en todos los escenarios. En particular, confirmamos que incluso al reducir el número de haces anchos utilizados para la medición en aproximadamente, nuestro enfoque propuesto logra un rendimiento cercano al del esquema de vanguardia.