https://blog.csdn.net/weixin_49967436/article/details/121736079
3.1.Multi-Head Attention(图2-红色圆圈部分，图3-红色长方体)
3.2.Self-sttention Distilling(图2-蓝色圆圈部分，图3-蓝色长方体)
目的：减少维度和网络参数
3.3. 多个Layer stacking replicas（图2-黄色圆圈部分，图3-蓝色长方体[左边第一轮]）
3.3. 多个Layer stacking replicas（图2-黄色圆圈部分，图3-蓝色长方体[左边第一轮]）
