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。
。
Golang vs Rust vs Dlang 哪个更有前途，哪位大牛这 3 门语言都用过？
鸿蒙电脑会在国内逐渐取代windows电脑吗？
Vue性能优于React，那为什么还不用Vue？
为什么日本人口密度这么大还能住一户建，中国只能住楼房？
炫富真的很爽吗？
歼-20 在国际上到底是什么地位？
独立开发者都使用了哪些技术栈？
Rust开发Web后端效率如何？
巅峰期的成龙身体素质是怎么一种存在?
你的亲戚提过什么过分的要求？
电话：
座机：
邮箱：
地址：
