学习transformer模型-用jupyter演示如何计算attention，不含multi-head attention，但包括权重矩阵W。
input embedding：文本嵌入
每个字符用长度为5的向量表示：
注意力公式：
1，准备Q K V：
先 生成权重矩阵WQ，WK，WV。权重矩阵W*是训练的目标。
再生成 Q K V。
2，计算Q和K的点积，即相似度。
3， 除以 K向量维度的平方根，好做softmax，不然比例计算会失衡。
4，做softmax，得出百分比。
5，百分比再跟V相乘，得出attention
