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。
- Single-Head Attention 數學說明：AI說書 - 從0開始 - 52
- Multi-Head Attention 數學說明：AI說書 - 從0開始 - 53
- Attention 機制程式說明 - 輸入端：AI說書 - 從0開始 - 53
- Attention 機制程式說明 - Query 端：AI說書 - 從0開始 - 54
- Attention 機制程式說明 - Key 端：AI說書 - 從0開始 - 54
- Attention 機制程式說明 - Value 端：AI說書 - 從0開始 - 55
針對輸入向量和 Query 權重矩陣相乘：
Q = np.matmul(x, W_Query)
針對輸入向量和 Key 權重矩陣相乘：
K = np.matmul(x, W_Key)
針對輸入向量和 Value 權重矩陣相乘：
V = np.matmul(x, W_Value)
整理圖示化結果如下，給定一段句子，假設有三個字，每個字用 4 維度的向量表示，然後配置 Query 、 Key 、 Value 三個矩陣，其維度均為 4 x 3 ：
圖片出自：Transformers for Natural Language Processing and Computer Vision - Third Edition, 2024
這可以和我們在 AI說書 - 從0開始 - 52 的圖示結果對照：
