Transformer多头注意力初始层输入的是输入信息的信息嵌入向量矩阵，多头注意力机制先将输入词嵌入矩阵与多组权重矩阵分别投影得到多组查询 Q、键 K、值 V，再对每组计算缩放点积注意力得到单头输出，最后拼接所有单头输出并通过线性变换得到最终结果。