transformer 最简单学习1 输入层embeddings layer，词向量的生成和位置编码

词向量的生成可以通过嵌入层（Embedding Layer）来完成。嵌入层是神经网络中的一种常用层，用于将离散的词索引转换为密集的词向量。以下是一个典型的步骤：
建立词表：首先，需要从训练数据中收集所有的词汇，并为每个词汇分配一个唯一的索引。这个过程称为建立词表。词表中包含了所有可能的词汇以及它们的索引，通常是一个字典或者哈希表的形式。
初始化词向量矩阵：对于每个词汇，都会有一个对应的词向量。可以随机初始化这些词向量，也可以使用预训练的词向量，比如Word2Vec、GloVe或FastText。
嵌入层映射：嵌入层将词索引作为输入，并输出对应的词向量。在训练过程中，这些词向量会被优化以最大化模型的性能。
词向量缩放：在Transformer模型中，通常会对词向量进行缩放，以确保它们具有适当的尺度。这个缩放因子通常是词向量的维度的平方根，如示例中的 math.sqrt(self.d_model)。
具体到代码中的示例，self.lut(x) 可以理解为嵌入层，它接收一个词的索引作为输入，然后从词向量矩阵中检索对应的词向量。乘以 math.sqrt(self.d_model) 的操作则是对词向量进行缩放，以确保其数值范围适合模型的需求。

找到单词在词表中对应的索引：首先，根据单词在词汇表中的位置或唯一标识，找到该单词在词表中的索引位置。
将索引映射为512维的向量：通过嵌入层，将单词的索引映射为一个固定维度的向量，通常这个向量的维度是预先指定的，比如512维。
这样，每个单词都被映射为一个固定长度的密集向量，而这些向量通常包含了单词的语义信息。这些向量随后将作为模型的输入，用于进行后续的计算，比如在Transformer模型中进行自注意力机制等操作。

import torch
import torch.nn as nn

# 假设词表大小为100，即有100个不同的单词
vocab_size = 100
# 定义嵌入层，将索引映射为10维的向量
embedding_layer = nn.Embedding(vocab_size, 10)

# 定义一个输入单词的索引
word_index = torch.tensor([5])  # 假设单词的索引是5

# 通过嵌入层，将索引映射为10维的向量
embedded_vector = embedding_layer(word_index)

print("嵌入后的向量：", embedded_vector)

embedding = nn.Embedding(10,3,padding_idx=0)  #,padding_idx=0 数字0转换的多维度数据都是0
# input1 =  torch.LongTensor([[1,2,4,5],[3,2,4,6]])
input1 =  torch.LongTensor([[1,0,4,0]])
print(embedding(input1))


###########################

tensor([[[ 0.1610, -1.2377,  1.3285],
         [ 0.0000,  0.0000,  0.0000],
         [ 2.4994,  0.9405, -0.8696],
         [ 0.0000,  0.0000,  0.0000]]], grad_fn=<EmbeddingBackward>)

2、位置编码

计算结果一致，结论是sin-cos这种位置编码方式，任意位置的位置编码都可以表达为一个已
知位置的位置编码的关于距离的线性组合。也是因为有这个特质采用三角函数表征位置信息，
同时由于padding的词不需要存在这种相对位置表达性质，因此对padding的位置向量做了全
0处理。

同一个单词相对位置进行记录，同时值在-1,1 之间比较小
位置编码的介绍：https://zhuanlan.zhihu.com/p/525552086