我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
講完 Transformer 之 Encoder 架構中的 Embedding 與 Positional Encoding 部分，現在進入 Multi-Head Attention 部分，其架構如下：
我們現在擁有項目為：
- 一段句子中，每個字各別的 Embedding
- 一段句子中，每個字各別的 Positional Encoding
- 一段句子中，每個字上述兩者的合成向量
想像一段句子：「The cat sat on the rug and it was dry-cleaned」，我想要陳述這段句子的各種關係，比方說：
- 「cat」與「sat」
- 「cat」與「rug」
- 「rug」與「dry-cleaned」
- 等等以此類推
現在想法是「上述一種關係」我就用一個 Attention 機制來進行追蹤，但是我有很多關係組怎麼辦，那就自然冒出 Multi-Head Attention 這個機制了，而且我們之前說一個 Attention 模組的運算是矩陣乘積的組合，那我現在有 Multi-Head Attention，就可以好好利用 GPU 的平行運算機制了。