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。
。
30岁了，你在深圳过着什么样的生活？
为什么 php 可以做到 7 毫秒以内响应，而 .net 做不到？
写CUDA到底难在哪？
如何看待 Rust 的应用前景？
switch2为什么不用高通骁龙或者联发科天玑的旗舰芯片？
如何看待王婆相亲中女孩坦诚自己怀孕3个月，男方就直接拒绝了？
为什么tokio能成为rust异步标准？
以前大力推广的沼气池，怎么现在越来越少了？
为什么说微软 Win11，有苹果 macOS 的感觉？
为什么这次以色列打伊朗，网上声讨的人少了，反而都是嘲笑调侃伊朗？
电话：
座机：
邮箱：
地址：
