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/}
golang为什么要内置map？ 
我国中央和地方的财政是怎样分配的？ 
为什么山姆这么受欢迎？ 
为什么中国开发不出流行的编程语言？ 
有没有GUI框架开发难度小，***消耗又不多，而且又跨平台？ 
如何评价仓颉编程语言7月30日开源? 
小腿能粗到什么地步？ 
现在好用的ai软件都有什么? 
新手平面设计师(方向美工)怎么有目的提升设计能力？ 
如何看待M4单核性能吊打9950x? 
女明星穿瑜伽裤出门是什么体验? 
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？ 
全国各地现理发店倒闭潮，没有电商冲击，理发店为什么自己能干黄？ 
如何看待 Rust 的应用前景？ 
你手机中最舍不得卸载的APP是什么？ 
如何评价黄子华？ 
