洛谷的测试数据仅供民间交流使用，非官方测试数据。官方评测链接：https://www.cspro.org/。
是 Transformer 中注意力模块的核心算式，其中 、 和 均是 行 列的矩阵， 表示矩阵 的转置， 表示矩阵乘法。
为了方便计算，顿顿同学将 Softmax 简化为了点乘一个大小为 的一维向量 ：
点乘即对应位相乘，记 为向量 的第 个元素，即将 第 行中的每个元素都与 相乘。
现给出矩阵 、 和 和向量 ，试计算顿顿按简化的算式计算的结果。
从标准输入读入数据。
输入的第一行包含空格分隔的两个正整数 和 ，表示矩阵的大小。
接下来依次输入矩阵 、 和 。每个矩阵输入 行，每行包含空格分隔的 个整数，其中第 行的第 个数对应矩阵的第 行、第 列。
最后一行输入 个整数，表示向量 。
输出到标准输出。
输出共 行，每行包含空格分隔的 个整数，表示计算的结果。
3 2 1 2 3 4 5 6 10 10 -20 -20 30 30 6 5 4 3 2 1 4 0 -5
480 240 0 0 -2200 -1100
的测试数据满足： 且 ；输入矩阵、向量中的元素均为整数，且绝对值均不超过 。
全部的测试数据满足： 且 ；输入矩阵、向量中的元素均为整数，且绝对值均不超过 。
请谨慎评估矩阵乘法运算后的数值范围，并使用适当数据类型存储矩阵中的整数。
