注意力机制的计算流程是怎样的，为何在计算时要除以根号下Dk，掩码注意力机制又是怎样达成的？

回答思路

1. 清晰描述Q、K、V的生成及点积缩放注意力的计算步骤
2. 解释除以根号下Dk的数值稳定性原因，包括梯度饱和与实际数据规模
3. 正确说明掩码的类型（padding mask与因果mask）及其在Softmax前的实现
4. 能说明掩码在训练和推理中的作用差异