参考视频：数字变矩阵
上一节课，我们已经把训练样本文字转成的数字，也就是Token化
那么在下一步之前，我们要把我们转成的数字，做一次嵌入向量的变换
上一节课，我们知道我们用的的词汇表整体的量是100256，那么每一个数字，分别代表了一个文字。0代表了感叹号，一是冒号，二是引号，然后我们的1000是"好"，还有其他的代表更多的，最后一个100255呢，代表是个英文单词叫Conveyor。
那么，我们实际上并不是把这些数字丢给模型去训练，而我们要找到一些代替这些数字的、一些更小的数字，为什么呢？因为在今后的训练当中，我们要做很多这种乘法，那么如果是数字很小、或者很大的时候，它们乘完之后，小的变得更小，大的变得更大，特别分散。所以我们要初始化一些非常小、非常集中的这些数字，来代表我们的这个token。
看到这个图之后，这个时候你就要问了，为什么你要有这么多列呢？第一列不就行了吗？找一个单独的数字代表一个单独的token，是不是就可以呢？实际上是可以的。
但是语言的魅力在于语境和语义有多种不同的关系。比如我们说意思的"思"字，比如这个1001就是意思的"思"字。那么在中文里，它有很多的不同语义，这个字，比如说"你是什么意思"、"这个没什么意思"、"那我不好意思"、"你意思意思"、"这什么意思？"... 有很多不同的语境，有的时候它是主语、有时候谓语、有的时候宾语、有的时候介词、有的时候动词、有的时候甚至是个形容词。
因为有不同的语义关系，所以我们每一个token要通过不同的多个子token、或者数字来代表它们在不同语义当中的这个意思。所以呢，我们定义了模型，定义了一个叫做d model这样的一个参数，它是一个超参数。在模型训练的时候，我们可以定义，要学习每一个文字在多少重不同的语境下的这种语义关系。那么在这里，我定义的是64。在ChatGPT当中定义的是512，现在越来越更大了，你可以定义成更多的维度，比如说1024。
那好，我们现在就用64个维度的d model来做我们的训练的超参数。也就是说我们现在有100255个不同的token，代表了不同的文字，那么每一个文字它有64个不同的语义关系。这样我们就有了一张非常巨大的表格，是一个100256个行和64列这样的一个表格，那么它也叫做一个矩阵。
这个表，是在训练之前，我们只建立一次就可以了。在每一次抽样训练的时候，是可以复用的表格，那这个也叫向量查找表embedding lookup table。使用方法是，当我们每一次抽取样本训练的时候，比如说我们抽取了10个文字，那么10个文字可能对应了十几个不同的token。比如说0的话，我们就把这一行抽出来，我们有十几个字，那就把这十几字对应的token的行都抽出来。
回到例子当中，那我们的input训练的样本数据是"小沈阳江西演唱会邀请了，"这几个字。那么它转换成token之后，一共是有16个token，这个就是我们所谓的context length=16。也就是说，我们在刚才的那个向量查找表里面，把31809的那一行给抽出来，然后把31106那行也给抽出来，一共我们抽了16行，那我们把这个16行给它拼成了一张表，那么它的维度呢，或者说它的列数呢，仍然是我们向量查找表里面的d model是64列，也就是说现在我们这个样本文字，已经转换成了一个16乘以64的一个矩阵，16行每一行都代表了一个token，64列每一列都代表了这个token在一个不同语义下的语境学习的数字。那么也叫做context_length by d_model这样的一个矩阵。
其实我们在做什么呢？其实我们就是把样本文字数字化之后，把我们的token向量转换成了一个矩阵，那么这个就叫做embedding vector。之后，我们要把这个矩阵里面这些数字，丢给我模型去做计算，那么有的人会问，那你这些数字是哪来的？那我可以告诉大家，这些数字都是随机初始化的。在我们有了这个input embedding vector矩阵之后，我们就要把它丢到模型训练了。
那么在扔进模型之前，我们还要做一步，就是加入位置信息编码。请看下一节！！！