Fix. 修正错别字

人人都能看懂的Transformer/第四章——多头注意力机制——QK矩阵相乘.md

@@ -4,7 +4,7 @@
 
 ### 前言
 
-前面通过向量和位置编码后，我们已经得倒了一个数值矩阵，那么这个数值矩阵，怎么把数值矩阵用起来了。接下里就到了Transformer里最吸引人的一部分，注意力机制。
+前面通过向量和位置编码后，我们已经得到了一个数值矩阵，那么这个数值矩阵，怎么把数值矩阵用起来了。接下里就到了Transformer里最吸引人的一部分，注意力机制。
 
 放大语义关系学习（注意力机制）内部
 
@@ -26,7 +26,7 @@
 
 ### 什么是矩阵相乘
 
-一个值是标量（Scalar），一组值是向量（Vector），多组值是矩阵（Matrix）
+一个值是标量（Scalar），一维数组是向量（Vector），多维数组是矩阵（Matrix）
 
 <img src="../assets/scalar-vector-matrix.svg" alt="Scalar, Vector, Matrix" width="300" />
 
@@ -127,7 +127,7 @@ $$
 
 <img src="../assets/image-20240502132811665.png" alt="image-20240502132811665" width="550" />
 
-如上图所示，Wq的也是[768, 768]维的矩阵，Wk、Wv同理，它们一开始会初始化值，训练过程会自动调整。
+如上图所示，Wq也是一个[768, 768]维的矩阵，Wk、Wv同理，它们一开始会初始化值，训练过程会自动调整。
 
 单独拿一个Q出来细看，[4, 16, 768]跟[768, 768]是怎么矩阵相乘的，实际上，相乘都是后两个维度跟768相乘，也就是[16,768]跟[768,768]。如下图所示：
 
@@ -143,7 +143,7 @@ $$
 
 <img src="../assets/image-20240502134443646.png" alt="image-20240502134443646" width="550" />
 
-可以看到我们将768维的矩阵，切成了12分，每份是64维。另外，由于大模型都是后两位数矩阵相乘，所以我们把头跟长互换，即[4, 16, 12, 64]转为[4, 12, 16, 64]。
+可以看到我们将768维的向量分成12个64维的向量。另外，由于大模型都是后两位数矩阵相乘，所以我们把头跟长互换，即[4, 16, 12, 64]转为[4, 12, 16, 64]。
 
 
 
@@ -155,7 +155,7 @@ QKV分别获得后，QK则是根据路线进行矩阵相乘，如下图
 
 <img src="../assets/image-20240502212200231.png" alt="image-20240502212200231" width="550" />
 
-其中我们把K进行了翻转，方便相乘。矩阵相乘则是每个batch_size里的每个头进行矩阵相乘，即[16, 64]和[64, 16]进行矩阵相乘，相乘后则是变成了[16, 16]的矩阵。
+其中我们对K矩阵进行了转置（transpose），方便相乘。矩阵相乘则是每个batch_size里的每个头进行矩阵相乘，即[16, 64]和[64, 16]进行矩阵相乘，相乘后则是变成了[16, 16]的矩阵。
 
 
 
@@ -163,4 +163,4 @@ QKV分别获得后，QK则是根据路线进行矩阵相乘，如下图
 
 本章节介绍了多头注意力机制中的QK矩阵相乘过程。在Transformer模型中，输入文本通过向量化和位置编码转换成数值矩阵，然后通过注意力机制放大语义关系。注意力机制的核心是QKV（Query, Key, Value）的计算，其中Q代表查询信息，K代表被查询的索引，V代表实际的内容信息。
 
-多头注意力机制通过QK矩阵相乘放大了输入文本中词与词之间的语义关系，使得模型能够更好地捕捉文本的上下文信息，从而提高了模型对语言的理解能力。
+多头注意力机制通过QK矩阵相乘，计算注意力分数，这些分数表示在给定查询（Query）的情况下，每个键（Key）的重要性，使得模型能够更好地捕捉文本的上下文信息，从而提高了模型对语言的理解能力。