基本理解

nn.Embedding(num_embeddings, embedding_dim)

其中 num_embeddings 是词表的大小，即 len(vocab)；embedding_dim 是词向量的维度。

nn.Embedding()产生一个权重矩阵weight，其shape为（num_embeddings, embedding_dim），表示生成num_embeddings个具有embedding_dim大小的嵌入向量；

输入input的形状shape为（batch_size, Seq_len），batch_size表示样本数（NLP句子数），Seq_len表示序列的长度（每个句子单词个数）；

nn.Embedding(input)的输出output具有（batch_size，Seq_len，embedding_dim）的形状大小;

示例：

import torch
import torch.nn as nn
torch.manual_seed(0)  # 为了复现性
emb = nn.Embedding(4, 3)
print(emb)
print(emb.weight)

输出：

emb = nn.Embedding(4, 3) 即为 生成4个3维向量。
注意：emb中生成的值需要用emb.weight进行读取。