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。
。
为什么我觉得现在线上大部分都对华为反感，线下华为大卖?
蔚来怎么感觉有点方寸大乱呢？
CPU 为什么很少会坏？
男医生在给年轻靓丽的女性检查时会是什么心态？
postgresql也很强大，为何在中国大陆，mysql成为主流，postgresql屈居二线呢？
为什么没有人在意iPad Pro 2024标准版仅搭载的8GB内存（RAM）？
柳州能活下去吗？
前端，后端，全栈哪个好找工作？
为什么有些NAS用户弄那么多硬盘?
Windows上有没有一分多屏和多屏合一的软件？
电话：
座机：
邮箱：
地址：
