1. ​​核心论文​​

   • 原论文标题：《Attention Is All You Need》（Transformer原始论文）

2. ​​Transformer学习资源​​

   • 视频教程：
     • B站中文视频：Transformer详解
   • 中文教程：
     • GitHub项目：learn-nlp-with-transformers
   • 技术解析：
     • 图解Transformer（Encoder-Decoder结构）：Illustrated Transformer
     • 图解GPT模型：Illustrated GPT-2
   • 趣味实践：
     • Tom Yeh教授的Excel手绘神经网络：AI-by-Hand-exercises

---

关于Q、K、V的理解

在Transformer模型中，Q、K、V分别代表Query（查询）、Key（键/线索）和Value（值/答案）。它们是自注意力机制（Self-Attention Mechanism）中的核心组成部分，用于计算输入序列中各个元素之间的相关性。

• Query (Q)：查询向量，用于表示当前需要关注的元素。可以理解为“我想要找什么”。
• Key (K)：键向量，用于表示其他元素的特征。可以理解为“其他元素能提供什么信息”。
• Value (V)：值向量，用于表示其他元素的实际内容。可以理解为“其他元素具体是什么”。

在自注意力机制中，首先通过线性变换将输入矩阵X分别转换为Q、K、V。然后，通过计算Q和K的点积（Dot-Product）来得到注意力分数，这些分数表示当前元素与其他元素的相关性。最后，使用这些分数对V进行加权求和，得到最终的输出。