nn.Embedding的输入和输出，给出一个自然语言的示例

假设我们有一个大小为(batch_size, seq_length)的输入张量，其中每个元素都是一个整数，表示一句话中每个单词的编号。我们可以使用nn.Embedding将这些整数映射为对应的词向量。假设我们指定词向量的维度为embedding_dim，那么输出张量的大小为(batch_size, seq_length, embedding_dim)。

例如，假设我们有一个大小为(2, 4)的输入张量x，其中每个元素都是一个整数。我们使用nn.Embedding将这些整数映射为词向量。假设我们指定词向量的维度为3，那么输出张量y的大小为(2, 4, 3)。示例代码如下：

import torch
import torch.nn as nn

# 定义输入张量
x = torch.LongTensor([[1, 2, 3, 4], [5, 6, 7, 8]])

# 定义Embedding层
vocab_size = 10  # 词汇表大小
embedding_dim = 3  # 词向量维度
embedding = nn.Embedding(vocab_size, embedding_dim)

# 将输入张量映射为词向量
y = embedding(x)

print(y.size())  # 输出torch.Size([2, 4, 3])

在这个示例中，我们将大小为(2, 4)的输入张量x映射为大小为(2, 4, 3)的词向量张量y。其中vocab_size为词汇表大小，embedding_dim为词向量维度。