keras.layers.embeddings.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)
輸入shape：形如（samples，sequence_length）的2D張量
輸出shape：形如 (samples, sequence_length, output_dim) 的3D張量
重要參數
input_dim: 整數，字典長度，即輸入數據最大下標+1
output_dim: 整數，代表全連接嵌入的維度
input_length: 當輸入序列的長度固定時，該值為其長度。如果要在該層后接Flatten層，然后接Dense層，則必須指定該參數，否則Dense層的輸出維度無法自動推斷。
舉例說明上述參數：
假設單詞表大小為1000，詞向量的維度為300，那么Embedding的參數 input_dim=10000，output_dim=300。
嵌入層將正整數（下標）轉換為具有固定大小的向量，如[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]。
舉個栗子：
假如單詞表的大小為1000，詞向量維度為2，經單詞頻數統計后，tom對應的id=4，而jerry對應的id=20，經上述的轉換后，我們會得到一個M1000×2的矩陣，而tom對應的是該矩陣的第4行，取出該行的數據就是[0.25,0.1]。