一张图像的基本组成是像素，一个像素由RGB三色组成，即使用三个维度的颜色表示一个像素

像素就是图像的特征，特征的shape即像素的shape是[3],即特征向量有3个维度 
    

 
一个句子由多个单词组成，每个单词就是一个特征，
在传统NLP中，单词向量的维度通常不超过300
在大模型中，单词向量的维度可能过千或过万 
    

 
图像是2维的，这里指一个图像中的像素排列之后，有高度，有宽度，是2维列表 

句子是1维的，这里指一句话有多个单词，是一个1维列表，

特征的维度叫特征shape或特征图，注意与 事物的维度/shape 区分
    

特征图就是特征shape，即使用什么shape的矩阵描述一个特征

 
特征图，是指特征值的形状，即特征shape 

特征指一定范围内组成事物最基本的元素，比如：
句子由单词组成，那么单词就是句子的特征

图像由像素组成，一个像素就是图像的一个特征，
特征可以由向量表示，即使用多个维度的数据描述一个事物，
如果是RGB，像素向量的维度为3,即从3个不同的层面描述一个像素，描述一个特征 

序列处理：句子与单词

 
一个单词 占一个维度 记为[1]
一句话有多个单词，单词个数为seq_len，记为[seq_len]

import torch
torch.tensor([0,2,1]).shape
torch.Size([3])
[3]就可以表示seq_len=3，即有三个单词的一个句子 

先不说批次，那么这[seq_len]中谁是特征，谁又是特征shape? 

不着急回答，先分析：
特征shape是特征值的shape，也就是形状，也就是多个数值组成的 向量/矩阵 的shape  
特征shape就是 一个层面/维度 上，数据又进一步细分后的不同数值

这里说 “层面” 更容易理解一些，
就本文处理这个层面，[seq_len]对应 某一句话的 某一个层面的处理，

这个层面是什么？就是对单词进行编码，所以这里应该是[1,seq_len]
这个1代表使用单词编码的方式表示这个场景，
而每个单词对应什么样的编码索引，是这个层面下，更细一级的划分，
就是seq_len,也写成L，写什么名称不是关键，
关键是要理解为什么要这么划分 

词转向量
索引编码来代表一个单词，太简易，要用一个n维向量来表示一个单词，embedding_dim
一句话就成了[seq_len,emebedding_dim] 
emebedding_dim就是特征层数，也就是常说的特征数，从emebedding_dim个层面表示一个单词

区域处理：一张GRB彩色图片

 
先不说批次，就说一张GRB图片，便于解释

特征shape就是特征值的形状，一个特征shape是 一组数值组成的向量/矩阵的shape 
GRB三色就是三个层面，绿色，红色，蓝色
图像的[高，宽]形状就是某个层面上数据的shape,也就是特征shape 

三个层面，说的都是颜色这个维度，所以它们的特征shape是一致的 

虽说都是颜色，但毕竟是不同的颜色，所以特征为3，也就是层面为3 

它还有其他名字，比如通道channel,in_features，C 等等，
但个人还是感觉使用“层面”这个词，更容易让我理解它命名背后所代表的含义