[我注意到AI社区将各种张量称为512-d，意味着512维张量，其中术语“维”似乎表示单个数据点在表示中具有512个不同的浮点值。例如in 512-d word-embeddings表示512个长度的浮点向量，用于表示1个英语单词，例如https://medium.com/@jonathan_hui/nlp-word-embedding-glove-5e7f523999f6
但是它不是512个不同的维，它只是一维向量？为什么术语dimension的使用方式与通常不同？
[当我们使用conv1d或conv2d来表示一维和二维的卷积时，维以其在数学/科学中的典型使用方式使用，但是在这里，一维向量被称为是512位向量。
为什么会过度使用术语dimension？什么上下文确定dimension在机器学习中的含义，因为该术语似乎超载了？
不是超载，而是标准用法。 512维向量空间的元素是什么？它们是512维vector