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。
。
为什么成功人士的精力都非常旺盛？
如何使用 Github Pages 和 Hexo 搭建个人博客？
为什么泰州发展不起来?
LCD党真的只是少部分人吗？
听说有一门技术叫windows批处理（bat），请问它有什么现实用途？
为什么00后女孩子越来越不愿意生孩子?
JetBrains会成为下一个Borland吗？
postgresql能取代mongodb吗？
扫黑风暴为什么他们费老大劲杀这么多人不如直接把督导组干掉？
如何评价董宇辉讲述“各地厅长甚至更大的领导来我们这，站在门口等，站一个多小时。”?
电话：
座机：
邮箱：
地址：
