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/}
一名女子在杭州万象城遭挟持被捅 20 多刀，隆胸***体救了一命，这反映出哪些公安系统的问题？ 
日本真的有些澡堂和温泉是不分男女的吗？有人去过不分男女的那种吗？ 
为什么各大品牌内存条包装都那么low？ 
女生到底应不应该穿***的衣服？ 
为什么现在很多人推崇国外原版教材？ 
能不能分享你手机里最「夏天」的一张照片？ 
为什么 Linux 软件安装包会有依赖关系，而 Windows 软件安装包不需要？ 
为什么大家不再提星链了（包括外网）？ 
阿里面试：为什么MySQL不建议使用delete删除数据？ 
都说苹果是细节狂魔，那苹果有没有细节其实做的很差的点？ 
自己拥有一台服务器可以做哪些很酷的事情？ 
有个身高175cm女友是什么体验？ 
postgres集群的选择? 
最好的笔记软件是什么？ 
27寸显示器有必要上4K吗？ 
有哪些穿上就被你「原地封神」的裙子推荐？ 
