把通道放到最后，再合并前两个空间维度，就能确保每个空间位置的通道向量保持完整，这正是 Transformer 所需要的"每个序列位置的特征向量"。用均值为 0、标准差为 0.1 的正态分布随机数来初始化这个权重矩阵。因为仅仅是演示，所以“随便初始化一下”，实际训练中也可以用其他初始化方式。创建一个 PyTorch 官方提供的嵌入层对象。，符合 PyTorch 自定义 Function 的规范。，会