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。
。
{dede:pagebreak/}
如何看待现在大多数男人都不谈恋爱了？ 
为什么 macOS 并不差，可市场总敌不过 Windows？ 
如何评价前端框架 Solid? 
为什么我感觉广西未来会撤自治区改省？ 
想找人开发简易答题类的一个小程序，大概多少费用？ 
为什么m4max可以轻松堆128g显存，nvidia消费端显卡却长期被限制在24g？ 
为什么 electron 不做成独立的 runtime？ 
年纪轻轻为什么会得腰肌劳损？ 
特斯拉Model Y如何应对小米 YU7的冲击？ 
为什么华为价值2.3W的鸿蒙电脑用的是美国西数的SN740固态硬盘？ 
健身教练们觉得女生怎样的身材才是好身材？ 
Akid（王懿）怎么会饿死的？ 
为什么 Go 语言的 Error Handling 被某些人认为是一个败笔？ 
男朋友妈妈知道我们过夜后第一反应是叮嘱他做好措施别怀孕，正常吗？ 
有一双超级大长腿是什么感觉？ 
目前中国男性有什么困境？ 
