请讲解整个Transformer架构的组成和工作原理。

回答思路

1. 清晰说明Transformer的整体结构（编码器-解码器、多头注意力、前馈网络、残差连接与层归一化）
2. 准确解释输入嵌入、位置编码的作用
3. 阐释多头注意力机制的计算流程与意义
4. 说明残差连接和层归一化在训练稳定中的作用
5. 能描述编码器与解码器在细节上的差异，如掩码注意力