nn.Embedding()

nn.Embedding() 是 PyTorch 中的一个模块，用于实现词嵌入（Word Embedding）操作。词嵌入是将离散的词语映射到连续的向量空间中的一种方式，它可以捕捉到词语之间的语义关系。

nn.Embedding() 的调用方式如下：

embedding = nn.Embedding(num_embeddings, embedding_dim, padding_idx=None)

其中，`num_embeddings` 是词表的大小，也是词嵌入矩阵的行数；`embedding_dim` 是每个词嵌入向量的维度；`padding_idx` 是可选参数，用于指定需要进行填充的词的索引。

以下是一个示例：

import torch
import torch.nn as nn

# 定义一个词嵌入层
embedding = nn.Embedding(10000, 300)

# 输入一个大小为 (3, 4) 的张量
input = torch.LongTensor([[1,2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

# 将输入张量中的每个词索引映射为对应的词嵌入向量
output = embedding(input)

print(output.size())  # 输出: torch.Size([3, 4, 300])

在这个示例中，我们定义了一个词嵌入层，词表大小为10000，每个词嵌入向量的维度为300。然后，我们输入一个大小为 (3, 4) 的张量，其中包含了3个句子，每个句子由4个词组成。通过调用 `embedding(input)`，将输入张量中的每个词索引映射为对应的词嵌入向量，输出的张量大小为 `(3, 4, 300)`，即每个词都被映射为一个300维的词嵌入向量。