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。
。
淘宝为什么要提供npm镜像?
搞了NAS之后去哪里下载4K，8K的电影？
请问CATIA比SolidWorks强在哪里？
怎么才能让孩子在不牺牲睡眠和运动时间的前提下，成绩名列前茅？
为什么小米造车可以叫小米，而华为不可以用华为品牌造车？
劳荣枝在厦门多年为什么到现在才被识别出来？
网络小白如何建立一个网站，供别人下载文件（主要是PDF和MP3）?
飞机这么多按钮都要一个个地打开，为什么不能一键启动？
导师给了1.4W要我给工作室买个主机，是整机还是自己配？
普通人为了一点微薄的薪水，每天忙忙碌碌到底有什么意义？
电话：
座机：
邮箱：
地址：
