不要想的太过复杂，就只有随机数生成的三个矩阵，原始输入已经通过矩阵相乘关联在三个随机数矩阵中，再通过一些代数游戏得到每个token对于整体输入序列的注意力权重矩阵，再和另外一个随机数矩阵进行线性的代数变化即可。
反向传播更新的是这三个矩阵的权重，三个矩阵的维度设计也是为了符合线性代数的运算。
总之这个就是一个巧妙的线性代数游戏，没有什么复杂的逻辑问题。
。
MySQL不香吗，为啥还要Elasticsearch？
各位都在用Docker跑些什么呢？
H264和H265谁画质好，求回谢谢！？
哪些 Rust 库让你相见恨晚？
独立站怎么阻止别人盗我的产品？
为什么负荷那么大的腰部力量训练的人不会受伤，长期无载荷久坐的人会出现腰肌劳损？
湖南临澧烟花厂爆炸事故已致 9 人遇难 26 人受伤，事故原因可能是什么？厂方要承担哪些法律责任？
中年夫妻有多少是生活和谐的？
冬天也要穿胸罩吗?
深圳一房屋出现沉降和墙体开裂情况，已封控 25 栋房屋，为什么会出现这种情况？有哪些安全隐患？
电话：
座机：
邮箱：
地址：
