预处理之后，有5类参数：blocks (transformer层的参数), b，g（输出层的final_norm shift/scale）， wpe (嵌入层的Positioning embedding layer)， wte(嵌入层的Token embedding layer和输出层线性层out_head)。一般来说，当我们模型的输出每一维有50257个元素，每个元素代表该词元ID的概率，找到最