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。
。
为什么任天堂在NS2上没有选择使用OLED屏幕以提升续航能力和显示效果？
为什么不用rust重写Nginx？
你身边身材最好的女生是什么样？
为什么一部分 Go 布道师的博客不更新了？
开车的人和不开车的人思维有什么区别？
据调查使用五笔输入法人数仅剩 3%，五笔输入法是怎么没落的？
Rust 的设计缺陷是什么？
相对于 Linux，Windows Server 存在的意义是什么？
为啥“亮亮丽君夫妇”总有吃不完的苦？
联想 128GB 超大内存迷你 AMD 主机上架，此款主机有哪些亮点？
电话：
座机：
邮箱：
地址：
