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/}
胸大的女孩子有什么烦恼？ 
Rust开发Web后端效率如何？ 
为什么用 electron 开发的桌面应用那么多？ 
华为 HDC 发布 HarmonyOS 6 开发者 beta 版对应用开发者和鸿蒙生态有哪些影响？ 
老板说我设计了一周的海报还是不行，我到底该怎么学啊？ 
男朋友说我穿衣服太开放，难道好身材不应该显示出来吗？ 
做个web服务器，gin框架和go-zero怎么选？ 
如何看待湖北一医院婚检查出艾滋医生未告知伴侣致感染，医生被停职？反映出哪些问题？ 
你和你老婆是怎么认识的？ 
20届设计系，我的设计水平很差吗，找不到合适的工作? 华为 HDC 发布 HarmonyOS 6 开发者 beta 版对应用开发者和鸿蒙生态有哪些影响？ 
为什么Go仅仅160MB的安装包就可以编译程序，而Rust却还需要几个GB的VC++才能编译？ 脸与身材不符是种怎样的体验？ 
为什么一部分 Go 布道师的博客不更新了？ 
李嘉诚的港口卖掉了没有？ 
电影《碟中谍》系列中哪一部最好？ 
