在论文Attention Is All You Need中，这部分让我感到困惑：

在我们的模型中，我们在两个嵌入层 [在编码部分] 和 pre-softmax 线性变换 [解码部分的输出] 之间共享相同的权重矩阵

重量不应该不同，而不是相同吗？以下是我的理解：

为简单起见，让我们使用我们拥有的英法翻译任务$n^e$我们词典中的英语单词数量和$n^f$法语单词的数量。

• 在编码层，输入标记是$1$X$n^e$one-hot 向量，并嵌入一个$n^e$X$d^{model}$学习嵌入矩阵。

• 在解码层的输出中，最后一步是带有权重矩阵的线性变换$d^{model}$X$n^f$，然后应用softmax得到每个法语单词的概率，并选择概率最高的法语单词。

这是怎么回事$n^e$X$n^{model}$输入嵌入矩阵与$d^{model}$X$n^f$解码输出线性矩阵？对我来说，通过训练数据相互独立地学习这两个矩阵似乎更自然，对吧？还是我误解了论文？