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。
。
代码：
可以随身携带一个Linux系统吗？
能够自己一个人创业的全栈web码农fullstack developer要会哪些技术？
国产厂商为什么都不用三星屏幕了？
家里想搞一个服务器，怎么才不违规？
伊朗距离以色列上千公里，发射的导弹靠什么来导航定位呢？美国的GPS不会让他们用的。?
为什么我的鼠标最多用半年按键就会失灵？
如何评价前端框架 Solid?
大家的NAS都是24小时不关机吗？
人工智能相关专业里有什么「坑」吗？
Windows 下有什么用过之后就离不开的冷门软件？
为什么年轻的肉体让人沉迷？
平面设计主KV做成这样，在你的城市薪资一般多少？
为什么情侣在一起旅行后容易分手？
是什么原因导致HDR无法推行？
大部分语言都用尖括号<>表示泛型，为什么golang要标新立异用中括号？
如何看待我国在墨脱建水电站？
有些家长可以恶心到什么程度？
商业史上有哪些降维打击的经典案例？
35岁了才来学编程，是不是晚了?
有邻居的追求者出价三万，让我连续半个月每天找个女朋友晚上弄点动静，我该答应吗？
20届设计系，我的设计水平很差吗，找不到合适的工作?
个人小网站是怎么防止网站被攻击的?
如何评价高圆圆的身材算是美女类型的吗？
有一张巨强的显卡是什么体验？
全栈(前端+j***a)是不是前端的未来?
火车上有女生让你帮她放一个26寸的行李箱到行李架上，你会帮忙吗？
