输入层：包括三个输入变量，分别为input_x, input_y和length。其中input_x的shape为[None, pm.seq_length]，表示数据的batch_size和序列长度可变；input_y的shape为[None, pm.num_classes]，表示标签的batch_size和类别数可变；length的shape为[None]，表示序列长度的batch_size可变。 嵌入层：使用tf.get_variable定义了一个名为embedding的变量，它的shape表示词汇表大

小为[pm.vocab_size, pm.embedding_size]，其中pm.vocab_size表示词汇表大小，pm.embedding_size表示嵌入向量的维度。然后使用tf.nn.embedding_lookup函数将input_x中的每个词汇id转换成对应的嵌入向量，得到的结果为embedded_x，shape为[None, pm.seq_length, pm.embedding_size]。这个嵌入层的作用是将离散的词汇id转换为连续的嵌入向量，以便后续的计算。

注意：这里的pm是一个参数管理类，用于管理超参数。