nn.Embedding( ） 用法是什么

`nn.Embedding()` 是 PyTorch 中的一个类，用于创建一个嵌入层（Embedding Layer），将离散的整数 ID 映射为连续的实数向量。

`nn.Embedding(num_embeddings, embedding_dim, padding_idx=None)` 的参数如下：

- `num_embeddings`：词典大小，即词汇表中单词的个数；
- `embedding_dim`：嵌入向量的维度；
- `padding_idx`：指定一个 padding 的索引，将这个索引对应的嵌入向量设置为全 0 向量。

`nn.Embedding()` 的输入是一个 LongTensor，形状为 $(batch\_size, seq\_len)$，其中每个元素是一个整数 ID，表示词汇表中的一个单词。输出是一个 FloatTensor，形状为 $(batch\_size, seq\_len, embedding\_dim)$，其中每个元素是一个实数，表示对应单词的嵌入向量。

使用示例：

import torch.nn as nn

# 创建一个词汇表，包含 1000 个单词
vocab_size = 1000
# 嵌入向量的维度为 128
embedding_dim = 128

# 创建一个嵌入层
embedding = nn.Embedding(num_embeddings=vocab_size, embedding_dim=embedding_dim)

# 输入为一个 LongTensor，形状为 (batch_size, seq_len)
input_ids = torch.LongTensor([[1, 2, 3], [4, 5, 6]])

# 将输入传递到嵌入层中，得到输出
# 输出的形状为 (batch_size, seq_len, embedding_dim)
output = embedding(input_ids)