多头注意力

[faraway]

运算方式不一样的，注意力的softmax，矩阵乘法都和单头不一样，看起来像单头只是因为一开始对Q，K，V的线性变换用了矩阵分块乘法的想法。

[yolo-0]

这个说的是做完self.W_q*queries后的形状，，