tf.nn.embedding_lookup 举例说明，简单易懂

#tf.nn.embedding_lookup:可以把这个函数的数据切片原理想象成numpy的花式索引。
#index_1 = tf.Variable([1, 2, 3, 0], tf.int32)，以这个为例，就是按顺序，逐行取出a矩阵中第2,3,4,1,行
#index_2 = tf.Variable([[1, 2, 3, 0], [4, 1, 3, 3], [4, 1, 3, 3]], tf.int32) ；把index_1中取出的看做"一堆"，那这个就是取了"三堆"
#下面的小栗子，run一下，你就知道了

import tensorflow as tf
import numpy as np

np.random.seed(24)
a = 0.1 * np.random.randint(1,10,size=(5,3))
index_1 = tf.Variable([1, 2, 3, 0], tf.int32)
index_2 = tf.Variable([[1, 2, 3, 0], [4, 1, 3, 3], [4, 1, 3, 3]], tf.int32)
out1 = tf.nn.embedding_lookup(a, index_1)
out2 = tf.nn.embedding_lookup(a, index_2)
init = tf.global_variables_initializer()


with tf.Session() as sess:
    print('a:---------------\n', a)
    sess.run(init)
    print('out1:---------------\n',sess.run(out1))
    print(out1)
    print(' -- * -- '*10)
    print('out2:---------------\n',sess.run(out2))
    print(out2)