#利用训练后的word2vec自定义Embedding的训练矩阵，每行代表一个词（结合独热码和矩阵乘法理解） embedding_matrix = np.zeros((len(vocab) + 1, 100)) for word, i in vocab.items(): try: embedding_vector = w2v_model[str(word)] embedding_matrix[i] = embedding_vector except KeyError: continue在这段代码中出现了以下错误TypeError: 'Word2Vec' object is not subscriptable应该在怎么解决，请给出示例

这个错误是因为 `w2v_model` 不是一个可索引的对象，所以不能使用 `w2v_model[str(word)]` 这样的方式来访问词向量。为了解决这个问题，可以使用 `w2v_model.wv[str(word)]` 来访问词向量。下面是修改后的代码示例：

# 利用训练后的word2vec自定义Embedding的训练矩阵，每行代表一个词（结合独热码和矩阵乘法理解）
embedding_matrix = np.zeros((len(vocab) + 1, 100))
for word, i in vocab.items():
    try:
        embedding_vector = w2v_model.wv[str(word)]
        embedding_matrix[i] = embedding_vector
    except KeyError:
        continue

这样就可以正确地使用 `w2v_model.wv[str(word)]` 来访问词向量了。