Transformer开山论文遭遇严重「翻车」？源代码与图像不相符，神秘bug让人瞠目结舌！

在深度学习领域，Transformer模型无疑是一项重要的突破，其应用广泛且效果显著。然而，最初的Transformer开山论文却在实现过程中遭遇了一系列令人困惑的问题。

Transformer模型的基本架构由编码器和解码器组成，其中的自注意力机制（self-attention）被认为是其核心创新之一。然而，在论文的源代码中，自注意力机制的实现与论文中描述的不一致，导致了一系列的困惑和错误。

我们首先来看一段论文中描述的自注意力机制的伪代码：

for i in range(num_heads):
  Q = linear_transform(Q)
  K = linear_transform(K)
  V = linear_transform(V)
  attention_scores = dot_product(Q, K)
  attention_scores = attention_scores / sqrt(d_k)
  attention_scores = softmax(attention_scores)
  output = dot_product(attention_scores, V)
  output = linear_transform(output)

然而，令人困惑的是，论文中的图示与上述代码并不一致。图示中显示的是将Q、K和V分别进行线性变换之后，再进行注意力计算的过程，而代码中的实现却是先