Transformer의 Query, Key, Value 행렬 생성 과정

1. 입력 임베딩 확보 단계

• 문장의 각 토큰을 임베딩 벡터로 변환한 뒤, 위치 인코딩을 더해 입력 행렬 X를 준비한다.
• X의 크기는 n × d_model이며, n은 토큰 수, d_model은 모델 차원이다.

2. 전용 가중치 행렬 정의 단계

• 쿼리·키·밸류 각각에 대응하는 가중치 행렬 W_Q, W_K, W_V를 학습 가능한 파라미터로 초기화한다.
• 일반적인 크기는 d_model × d_h이며, d_h는 헤드별 차원이다.

3. 선형 투영 수행 단계

• 입력 행렬 X에 각 가중치 행렬을 곱해 세 개의 행렬을 얻는다.
  • Q = X · W_Q
  • K = X · W_K
  • V = X · W_V
• 이 연산은 완전연결층과 동일하며 GPU 병렬화가 용이하다.

4. 멀티 헤드 분할 단계

• 표현 다양성을 위해 h개의 헤드로 분리한다.
• 구현 방식
  1. 병합 방식: 한 번의 행렬 곱으로 Q, K, V를 n × (h·d_k) 크기로 만든 뒤 마지막 차원을 (h, d_k)로 리쉐이프한다.
  2. 분리 방식: 헤드마다 고유한 (W_{Q_i}, W_{K_i}, W_{V_i})를 두고 독립적으로 투영한다.

5. 학습과 업데이트 단계

• W_Q, W_K, W_V는 역전파를 통해 손실 함수의 그래디언트를 받아 지속적으로 갱신된다.
• 옵티마이저(예: AdamW)가 가중치를 조정하여 토큰 간 의미 관계를 내재화한다.

위 절차를 통해 생성된 Q, K, V 행렬은 이후 스케일드 닷 프로덕트 어텐션에 입력되어 문맥 정보를 계산하게 된다.