模型训练里面会有Q K V 查询向量，键向量，值向量
它们是什么？
首先模型训练是基于一个语言的，比如基于一个汉语，有5000个词，这是词汇表，然后我们要训练模型训练的是什么，其实就是维度，词是死的固定的，给每个词赋予512维就好比每个词赋予了512个属性，分别解释这个词的各种作用
然后每个词就有512个参数值了，这个是随机初始的，在训练开始的时候，然后我们再从固定的三个维度来字义这个词就是初始的WQ,WK,WV它们就是三个学习矩阵每个都是512*512的，也是随机初始的，然后就可以来学习了，比如一个词“我”这个词向量与WQ点积就得到Q，与WK点积就得到K,与WV点积就得到V,就得到了一个词的W,K,V,然后用它们来参与attention计算
比如先有50000个词，512维，那么每个词都有自己的对应的512维的初始数值是吗，这个初始数值与初始的W^Q W^K W^V 有关系吗，是没有关系的WQ、WK、WV 是模型参数，不是词向量自身的一部分WQ、WK、WV被叫作线性变换矩阵，我们用三组线性变换矩阵（WQ、WK、WV）去投影词向量，从而生成 Q、K、V。
它们不是“定义词”的维度，而是让模型从不同角度看待同一个词。
WQ 是“我想问什么”（Query）
WK 是“我能提供什么信息”（Key）
WV 是“我携带什么内容”（Value）
训练过程中，模型不仅更新词向量，也更新这些矩阵
在反向传播时，损失函数的梯度会同时作用于：
词嵌入（embedding）参数；
WQ、WK、WV；
以及其他层的参数（比如 FFN 层、LayerNorm 等）。
所以训练实际上是在同时学习词语的表示和注意力的投影方式。
