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。
在原始 Transformer 的模型中，此 Encoder Layer 部分重複六次，也就是圖中 N = 6。
每個 Encoder Layer 內包含兩個 Sublayer ：
- Multi-Headed Attention Mechanism
- Fully Connected Position-Wise Feedforward Network
介紹完圖中的 Sublayer 後，我們將目光轉向綠色方塊：Add & Norm ，當中的 Add 機制稱為 Residual Connection ，目的是確保關鍵輸入訊號不會在傳遞過程中消失，因此綠色方塊的輸出就變成：LayerNormalization(x + Sublayer(x))
