拆分transformer.py为独立模块

按Transformer架构组件拆分：
- utils.py: 激活函数和掩码工具
- layers.py: 基础层（Linear, LayerNorm）
- attention.py: 多头注意力机制
- feedforward.py: 前馈网络
- block.py: Transformer编码器块
- model.py: SimpleTransformer模型
- inference.py: 推理引擎
- 删除旧的transformer.py文件

transformer/layers.py

@@ -0,0 +1,36 @@
+"""
+基础层模块
+包含Linear和LayerNorm层
+"""
+
+import numpy as np
+
+
+class Linear:
+    """全连接层（线性层）"""
+    def __init__(self, in_features, out_features):
+        # 使用He初始化权重
+        self.weight = np.random.randn(in_features, out_features) * np.sqrt(2.0 / in_features)
+        # 偏置初始化为0
+        self.bias = np.zeros(out_features)
+        
+    def forward(self, x):
+        """前向传播：y = xW + b"""
+        return x @ self.weight + self.bias
+
+
+class LayerNorm:
+    """层归一化（Layer Normalization）"""
+    def __init__(self, d_model, eps=1e-6):
+        # 缩放参数
+        self.gamma = np.ones(d_model)
+        # 偏移参数
+        self.beta = np.zeros(d_model)
+        # 防止除零的小常数
+        self.eps = eps
+        
+    def forward(self, x):
+        """前向传播：对最后一个维度进行归一化"""
+        mean = np.mean(x, axis=-1, keepdims=True)
+        std = np.std(x, axis=-1, keepdims=True)
+        return self.gamma * (x - mean) / (std + self.eps) + self.beta