归一化技术在深度学习中具有双重技术价值。首要方面是提高数值计算稳定性和优化收敛速度。当数据量级差异显著时，评估指标（如均方误差MSE）可能产生数量级上的波动。在MSE计算过程中，大值输入会导致梯度幅值过大，从而使优化过程不稳定。

本文旨在通过可视化方法和数学推导，揭示图神经网络自注意力层的内部运作机制。我们将采用"位置-转移图"的概念框架，结合NumPy编程实现，一步步拆解自注意力层的计算过程，使读者能够直观理解注意力权重是如何生成并应用于图结构数据的。