前置知识：第02篇的激活函数与归一化 / 第01篇的矩阵乘法引言：Transformer 不是凭空诞生的站在 2026 年回看，Transformer 似乎理所当然。但 Attention Is All You Need（2017）发表之前，NLP 的王者是 RNN/LSTM，CV 的基石是 CNN。这一篇我们追溯一下为什么要走到 Self-Attention——不是为了考古，而是为了理解注意力机制设计的必然性。你只有知道 CNN 和 RNN 的局限，才能真正理解为什么 Self-Attention 的设计是这样的。路线图：CNN（局部特征）→ RNN（序列递推）→ LSTM（门控改进） ↓ ↓ 局部特征算力高效 长期依赖仍难捕捉 ↓ ↓ ┌────────────────────┘ ↓ Self-Attention（全局 + 并行）一、CNN：卷积的本质是"局部视野"1.1 1D 卷积怎么工作用最简单的话说：卷积核在序列上滑动，每个位置计算一小段窗口内的加权和 前置知识：第02篇的激活函数与归一化 / 第01篇的矩阵乘法引言：Transformer 不是凭空诞生的站在 2026 年回看，Transformer 似乎理所当然。但 Attention Is All You Need（2017）发表之前，NLP 的王者是 RNN/LSTM，CV 的基石是 CNN。这一篇我们追溯一下为什么要走到 Self-Attention——不是为了考古，而是为了理解注意力机制设计的必然性。你只有知道 CNN 和 RNN 的局限，才能真正理解为什么 Self-Attention 的设计是这样的。路线图：CNN（局部特征）→ RNN（序列递推）→ LSTM（门控改进） ↓ ↓ 局部特征算力高效 长期依赖仍难捕捉 ↓ ↓ ┌────────────────────┘ ↓ Self-Attention（全局 + 并行）一、CNN：卷积的本质是"局部视野"1.1 1D 卷积怎么工作用最简单的话说：卷积核在序列上滑动，每个位置计算一小段窗口内的加权和 
