本图清晰展示了传统Embedding层的核心工作流程。首先，输入一个包含多个Token ID（如1000, 5000）的序列。接着，系统会根据这些ID，在预先生成的、规模为8000行的Embedding表（ebd table）中进行索引查找。这个表本质上是一个大型矩阵，每一行对应一个Token ID的向量表示。最后，通过“索引取出”操作，将输入的每个Token ID映射为其在表中对应的完整向量，从而完成从离散符号到连续向量空间的转换，这是自然语言处理和深度学习模型的基础步骤。