Embedding是什么？
其为一个简单的存储固定大小的词典的嵌入向量的查找表，意思就是说，给一个编号，嵌入层就能返回这个编号对应的嵌入向量，嵌入向量反映了各个编号对应的符号的语义信息（蕴含了所有符号的语义关系）。
输入为一个编号列表，输出为对应的符号嵌入向量列表。
pytorch中的使用
#建立词向量层
embed = torch.nn.Embedding(n_vocabulary,embedding_size)
简单解释
embeding是一个词典，可以学习。
如：nn.Embedding(2, num_hiddens)就是一个embedding。
输入索引，可以查到对应的向量值。
segments = torch.tensor([[0, 0, 0, 0, 1, 1, 1, 1], [0, 0, 0, 1, 1, 1, 1, 1]])就是一个segment的索引矩阵，用self.segment_embedding(segments)之后就可以得到它的向量值。