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。
。
SQLite不能支持高并发，为什么又说它能支持 10万 的日访问量？
特厨隋坡探店成都快餐店，给出80分以上的高分，为什么评分远高于大饭店？
为什么中国JK无法拍出日本JK的感觉?
阿里云盘冻结后强制收费才能解冻，如何处理?
golang 与rust 在服务器程序领域相比较，各有什么优劣势？
买到烂尾楼到底该有多绝望？
不看攻略游玩《艾尔登法环》是一种什么体验？
韩寒现在为什么不写书了呢？
为什么没有核动力货轮？
为什么有些NAS用户弄那么多硬盘?
电话：
座机：
邮箱：
地址：
