为 MultiHeadAttention 类添加方法
在本练习中，您将从零开始完善 MultiHeadAttention 类，定义以下 4 个方法：
.split_heads()：在各个注意力头之间拆分并变换输入嵌入向量.compute_attention()：计算缩放点积注意力权重，并与 values 矩阵相乘.combine_heads()：将注意力结果变换回与输入嵌入向量x相同的形状.forward()：调用以上方法，使输入嵌入向量依次通过这些过程
已将 torch.nn 以 nn 导入，torch.nn.functional 可作为 F 使用，torch 也可用。
本练习是课程的一部分
使用 PyTorch 的 Transformer 模型
交互式实操练习
通过完成这段示例代码来试试这个练习。
class MultiHeadAttention(nn.Module):
def __init__(self, d_model, num_heads):
super().__init__()
self.num_heads = num_heads
self.d_model = d_model
self.head_dim = d_model // num_heads
self.query_linear = nn.Linear(d_model, d_model, bias=False)
self.key_linear = nn.Linear(d_model, d_model, bias=False)
self.value_linear = nn.Linear(d_model, d_model, bias=False)
self.output_linear = nn.Linear(d_model, d_model)
def split_heads(self, x, batch_size):
seq_length = x.size(1)
# Split the input embeddings and permute
x = x.____
return x.permute(0, 2, 1, 3)