Keras 中的Embedding层是如何工作的

说明

最近在做自然语言处理方面的研究，特别是研究到了词嵌入，于是便对keras中的Embedding的工作方式产生了疑问，常用的词嵌入模型诸如CBOW，Skip-gram都是一个单独的模型，而keras中的Embedding层仅仅是一个层，那是不是这个层中嵌入了某一个模型呢，答案是：错。
在翻了下百度上的一些解答后，感觉都不清楚，最终在StackExchange上看到了一个大佬的回复，感觉讲的真清楚，所以呢，就打算做个笔记，结合自己的理解翻译一下，以供后续查阅。
先奉上链接，英语好的可以直接看原文.

先翻译下问题

首先一个老外，跟我一样有了同样的问题，于是啊，他就做了如下工作：

import numpy as np
from keras.models import Sequential
from keras.layers import Embedding

model = Sequential()
model.add(Embedding(5, 2, input_length=5))

input_array = np.random.randint(5, size=(1, 5))

model.compile('rmsprop', 'mse'