Attention机制：
人看东西的启发
所谓注意力，就是计算相似度
a是权重，即相似度
The Transformer
位置是有相对关系的
残差，梯度消失
多重注意力是自己和自己计算的
https://www.jianshu.com/p/ef41302edeef
自注意力怎么计算
Qn和Kn+1做点积
遮盖预测
BERT
初始化
微调：在不太大的训练集上进行
预训练，再进行微调的
