为什么需要mask

在注意力机制里面，每一次能看到整个完整的输入，我们要避免这个情况发生。也就是说，在解码器训练的时候，在预测第t个时刻的输出的时候，不应该看到t时刻以后的那些输入。通过一个带掩码的注意力机制，从而保证预测和训练的时候行为是一致的。

position encoding是为了加时序信息。