##提供一个完整的Transformer架构推理程序，字典随便建的，嵌入向量矩阵、输出矩阵等都是随机产生的，未经过训练，缩小版的GPT，种在掌握注意力机制运算过程，其输入结果也是经常变的，因为没有训练。
import numpy as np
--------------------------
步骤1：构建词典（把字变成ID）
--------------------------
vocab = {"我":0, "喜":1, "欢":2, "中":3, "国":4, "美":5, "食":6, "[END]":7}
vocab_size = len(vocab) # 词典大小
d_model = 8 # 每个token用8维向量（小尺寸方便演示）
输入句子：我喜欢中国 → 转成ID
input_text = "我喜欢中国"
input_ids = [vocab[c] for c in input_text]
seq_len = len(input_ids) # 自动匹配实际token长度，取消硬编码
print("输入文字：", input_text)
print("输入token ID：", input_ids)
print("实际序列长度：", seq_len)
--------------------------
步骤2：词嵌入（文字 → 向量）
--------------------------
随机初始化嵌入层
embedding = np.random.randn(vocab_size, d_model)
x = embedding[input_ids] # 形状：(5, 8)
print("\n输入变成向量形状：", x.shape)
--------------------------
步骤3：Transformer 核心 = 标准自注意力机制
--------------------------
定义稳定的softmax函数（防止指数爆炸）
def softmax(x):
exp_x = np.exp(x - np.max(x, axis=-1, keepdims=True)) # 减去最大值保证数值稳定
return exp_x / np.sum(exp_x, axis=-1, keepdims=True)
初始化 QKV 权重矩阵
Wq = np.random.randn(d_model, d_model)
Wk = np.random.randn(d_model, d_model)
Wv = np.random.randn(d_model, d_model)
计算 Q K V
Q = x @ Wq
K = x @ Wk
V = x @ Wv
计算标准注意力分数 + softmax归一化
scores = Q @ K.T / np.sqrt(d_model) # 形状：(5,5)
attention_weights = softmax(scores) # 注意力权重（归一化到0-1，和为1）
attention = attention_weights @ V # 标准自注意力输出，形状：(5,8)
--------------------------
步骤4：输出层 → 预测下一个词
--------------------------
output_layer = np.random.randn(d_model, vocab_size)
logits = attention[-1] @ output_layer # 取最后一个token预测下一个词
pred_id = np.argmax(logits)
把预测ID转回文字
idx2word = {v:k for k,v in vocab.items()}
pred_word = idx2word[pred_id]
--------------------------
最终输出
--------------------------
print("\n" + "="*50)
print(f"输入：{input_text}")
print(f"Transformer 预测下一个词：【 {pred_word} 】")
print(f"完整句子推测：{input_text} → {pred_word}")
输入文字： 我喜欢中国
输入token ID： [0, 1, 2, 3, 4]
实际序列长度： 5
输入变成向量形状： (5, 8)
==================================================
输入：我喜欢中国
Transformer 预测下一个词：【 食 】
完整句子推测：我喜欢中国 → 食