17.3.3 Transformer 全貌及代码实现#

Transformer 用注意力建立 token 间依赖、用 FFN 完成逐位置变换，并通过残差、归一化和位置编码组成可堆叠模块；完整实现必须同时守住张量形状、掩码语义和数值稳定。