輸入的（a1,a2,a3,a4）是最終嵌入，是一個(512,768)的矩陣；而a1是一個token，尺寸是768

a1通過wq權重矩陣，經過全連接變換得到查詢向量q1；a2通過Wk權重矩陣得到鍵向量k2；q和k點乘就是值a12，a12就是a2對于a1的注意力值

依次得到a1,1，a1,2，a1,3，a1,4注意力，都是其他token相對于a1 token的注意力

此時(a1,1，a1,2，a1,3，a1,4)不是概率分布，需要經過softmax呈概率分布向量(a’1,1，a’1,2，a’1,3，a’1,4)，

此時，再把每個a經過v權重矩陣得到v1，v2，v3，v4向量

a’1,1×v1+a’1,2×v2+a’1,3×v3+a’1,4×v4=b1向量，b1是個768維向量，是a1的自注意力向量，綜合了該token與其他所有tokens之間的關系

之后每個a都這么得到自己的自注意力向量，然后組合成(512,768)