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/}
哪个瞬间让你觉得编程只是一门技术？ 
男医生在给年轻靓丽的女性检查时会是什么心态？ 
轰20的亮相为什么被反复推迟？ 
作为一个程序员你觉得是业务重要还是技术重要？ 
WordPress太慢了有什么办法解决吗？ 
如何看待React源码中调度优先级使用lane取代expirationTime？ 
怎样判断一个人的智商在你之上？ 
请问买个nas,能够直接把游戏装进去吗？ 
你后悔娶了现在老婆吗？ 为什么go和rust语言都舍弃了继承？ 
人在45岁是一种什么感觉？ 
为什么这么久了还是没有主流软件开发鸿蒙版？ 
苏联就中国一个能打的“小弟”，为什么要逼走中国? MacOS的哪个设计让你非常恼火？ 
现在个人开发ios还有机会吗？ 
你健身是为了什么？ 
