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。
。
如何证明散片 CPU 比盒装 CPU 差?
如何看待多地推出升级版「禁酒令」？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
我应该设置多少kb才能让他不能玩游戏？
现在不用广电盒子，IPTV，智能电视还怎么使用?
为什么B-2天下无敌？
为什么有的女生喜欢穿紧身牛仔裤？
真的有这种又苗条身材又爆炸的么？
怎么看待B站舞蹈区和某些风格比较暴露的up？
前端如何设计网页？
电话：
座机：
邮箱：
地址：
