nn.Embedding 的输入跟输出

nn.Embedding是PyTorch中的一个模块，用于将离散的整数映射到连续的向量空间中。它的输入是一个整数张量，输出是对应的向量表示。

具体来说，nn.Embedding的输入是一个大小为(batch_size, seq_length)的整数张量，其中batch_size表示批次大小，seq_length表示序列长度。每个整数值代表一个离散的类别或标签。

nn.Embedding的输出是一个大小为(batch_size, seq_length, embedding_dim)的张量，其中embedding_dim表示嵌入向量的维度。输出张量的每个元素是对应输入整数值的嵌入向量表示。

下面是一个示例代码，演示了nn.Embedding的输入和输出：

import torch
import torch.nn as nn

# 定义一个Embedding层
embedding = nn.Embedding(10, 3)  # 输入大小为10，嵌入维度为3

# 定义输入张量
input_tensor = torch.LongTensor([[1, 2, 3], [4, 5, 6]])

# 使用Embedding层进行嵌入
output_tensor = embedding(input_tensor)

print("输入张量大小：", input_tensor.size())  # 输出：torch.Size([2, 3])
print("输出张量大小：", output_tensor.size())  # 输出：torch.Size([2, 3, 3])

在上面的示例中，输入张量的大小是(2, 3)，表示有两个样本，每个样本有三个整数值。输出张量的大小是(2, 3, 3)，表示有两个样本，每个样本有三个嵌入向量，每个嵌入向量的维度是3。