会不断更新，觉得有用就点个赞
最初始版本之将词向量使用CNN的方式进行叠加，这里讲个有趣的东西
人脑在思考的时候，例如一个人在进行推测的时候，他会进行一定的画面想象，但是在现在的大语言模型当中，至少在transformer当中，并没有给词向量叠加上这样子的想象力机制，对transformer来说，它学会的只是依据前n个字符，然后预测下一个字符，但是它并不理解字符的视觉意义，听觉意义，味觉意义，但是他理解字符的归类意义，例如"苹果"和"梨子"这两个字符组合是相近的，但是词向量中没有苹果和雪梨的颜色以及形状的意义，导致词向量和模型结构还无法叠加上视觉意义。
下面简单讲一个东西词向量应用上CNN的东西，其实我还有更加复杂的想法，留着以后说
将one-hot编码转换成词向量
将词向量使用CNN的方式进行叠加
