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。
。
如何评价人民网评关于集中整治违规吃喝的发文？
有没有GUI框架开发难度小，***消耗又不多，而且又跨平台？
为什么现在知乎有一种j***a运行速度很慢，很吃***的论调？
MacOS真的比Windows流畅吗？
如何看待《剑星》已登顶 Steam 全球热销榜？
瑜伽裤和牛仔裤哪个更显身材？
和父母无法沟通你有多绝望？
为什么鸿蒙PC要排斥Linux生态？
明星为什么不低价办演唱会？
C罗赠送特朗普球衣：致唐纳德•特朗普总统，为和平而战。如何评价？
电话：
座机：
邮箱：
地址：
