Pytorch nn.Embedding

nn.Embedding的作用：

nn.Embedding是用来将一个编码为指定维度的向量，比如数字1变成一个128维的向量，数字2变成另外一个128维的向量。

与one-hot编码区别：

• one-hot编码没有任何的语义信息
• one-hot编码向量的维度等于字典的长度，因此需要使用一个低维稠密的向量来表示词。

nn.Embedding的基本用法

 nn.Embeddding接受两个重要参数：

1. num_embeddings：字典的大小。对应上面词典的大小，如果你的词典中包含5000个单词，那么这个字段就填5000
2. embedding_dim：要将单词编码成多少维的向量

import torch
from torch import nn

##定义一个embedding层
embedding = nn.Embedding(20, 5)

#打印数字0的编码
print('数字0的编码',embedding(torch.LongTensor([0])))
##注意这里在定义embedding的时候，字典的长度为20，所以在进行编码的时候不可以超过19
aa=embedding(torch.tensor(2)).detach()  ##这里输入的数不能超过20 detach是去除梯度信息
print('aa的编码',aa.data)

 Embedding