Pytorch官網的解釋是：一個保存了固定字典和大小的簡單查找表。這個模塊常用來保存詞嵌入和用下標檢索它們。模塊的輸入是一個下標的列表，輸出是對應的詞嵌入。
torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2, scale_grad_by_freq=False, sparse=False)
個人理解：這是一個矩陣類，里面初始化了一個隨機矩陣，矩陣的長是字典的大小，寬是用來表示字典中每個元素的屬性向量，向量的維度根據你想要表示的元素的復雜度而定。類實例化之后可以根據字典中元素的下標來查找元素對應的向量。
輸入下標0，輸出就是embeds矩陣中第0行。
放代碼：
調試過程的參數：
用途：用作自然語言處理中作用很大
而對於一個詞，我們自己去想它的屬性不是很困難嗎，所以這個時候就可以交給神經網絡了，我們只需要定義我們想要的維度，比如100，然后通過神經網絡去學習它的每一個屬性的大小，而我們並不用關心到底這個屬性代表着什么，我們只需要知道詞向量的夾角越小，表示他們之間的語義更加接近
參考網址：https://my.oschina.net/earnp/blog/1113896
http://pytorch-cn.readthedocs.io/zh/latest/package_references/torch-nn/
---------------------
作者：tommorrow12
來源：CSDN
原文：https://blog.csdn.net/tommorrow12/article/details/80896331
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！