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。
。
万兆的网络速度有多大意义？
中医认为交合伤身，西医却认为无害，喝杯牛奶就补回来了，对不对？
程序员看剧的时候，如果看到有敲代码页面，会暂停看代码吗？
你认为NS2现在值得入手吗？
Golang 为何没孕育出一个具有社区统治力的框架？
全球每年约500万匹马被屠宰，为什么却见不到中国人吃马肉？
AutoCAD和SolidWorks有什么区别？
张元英的颜值在内娱属于什么水平？
国产数据库有什么坑？
如何评价“寡姐”斯嘉丽·约翰逊的身材？
电话：
座机：
邮箱：
地址：
