Tensorflow/Keras embedding 嵌入层

是一个可学习层，用于学习单词或者其它以index标记的数据的编码（通常是向量编码）

为何需要这个层？普通的one-hot编码很难表示两个词之间的相关度，但通过可训练的embedding

层可以学习出两个词变量编码，且如果是相关的词，词向量之间具有更大的相关性。

------

Keras：

keras.layers.embeddings.Embedding(input_dim, output_dim,

embeddings_initializer='uniform', embeddings_regularizer=None,

activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)

 

输入shape

形如（samples，sequence_length）的2D张量

输出shape

形如(samples, sequence_length, output_dim)的3D张量

官方例子：

【1】model = Sequential()

【2】model.add(Embedding(input_dim=1000,output_dim=64, input_length=10))