1. 引例

假设有一本字典，就一共只有10单词，每个单词有5个字母组成。 每一页上只写一个单词，所以这10页纸上分别写了这10个单词。

内如如下，

[
[a,p,p,l,e],  # page 0
[g,r,e,e,n],  # page 1
[s,m,a,l,l],  # page 2
[w,a,t,c,h],  # page 3
[b,a,s,i,c],  # page 4
[e,n,j,o,y],  # page 5
[c,l,a,s,s],  # page 6
[e,m,b,e,d],  # page 7
[h,a,p,p,y],  # page 8
[p,l,a,t,e]   # page 9
]

我们假定这本字典叫embeding(10,5), 这里的10和5即上面介绍的含义，10个单词，每个单词5个字母；

现在我要查看第2页和第3页（从0开始），那么我会得到 [s,m,a,l,l]， [w,a,t,c,h] 内容。

假定我们约定一个暗号，你告诉我页数，我就返回对应页数的单词。

如，你发给我暗号 [ [2,3], [1,0], [8,6] ] (即 shape为（3，2）的LongTensor)

我通过查询字典，告诉你

[
[ [s,m,a,l,l]，  [w,a,t,c,h] ],
[ [g,r,e,e,n],   [a,p,p,l,e] ],
[ [h,a,p,p,y],   [c,l,a,s,s] ]
]

这里的字典就是embeding table，而暗号就是查询这个table的索引值。

2. 为什么需要embeding？

有的时候我们直观看到的不一定就是事物的本质，我们需要透过现象看到“本质特征”或“隐藏特征”。 那么怎么透过呢？ 或者说什么是“隐藏特征”呢？

embeding就是做这个事情，它将一句话，或者一段音通过查询“embeding table”来获取到“隐藏特征”。

embeding table一般是一组浮点型数值，它跟CNN，LSTM网络中一样，属于网络可学习的参数。
所以它的值不是人为定义的，人也定义不了这样的“字典”，它是通过深度学习网络中逐渐学习到的。

3. 回到pytoch

pytorch中的nn.Embeding提供了这样的实现；

下面是一个例子

import torch
# 如同上面例子中的page索引
a = torch.LongTensor([[1,2], [5,2]]) 
# 一个10个单词，每个单词5个字母的字典
emb = torch.nn.Embedding(10,5)
print(emb.weight, emb.weight.shape)
# 同过索引查询embeding内容
y = emb(a)
print(y, y.shape)

可以看到“字典”不再是单词，而是一些浮点数，这些浮点数表示的就是隐藏特征。

4. 官方API

embedding

4.1参数介绍

4.1.1 num_embedding和embedding_dim

num_embedding, embedding_dim就是上文中介绍 “单词”和“每个单词字母个数”，它表示了字典中embedding个数，以及每个embedding的维度。

4.1.2 padding_idx

padding_idx，是不更新梯度的“单词”的index；可以在字典中指定一个不被训练的embedding。
看下面的例子：

import torch
a = torch.LongTensor([[1,2], [5,2]])
emb = torch.nn.Embedding(10,5, padding_idx=0)
print(emb.weight, emb.weight.shape)
y = emb(a)
print(y, y.shape)

这里的padding_index=0,它表示该index下的embedding不会学习更新，初始化的时候默认也是0.

4.1.3 max_norm和norm_type

max_norm,norm_type是获取到embedding后做正则化；
norm_type 的可取值为1，2. 分别表示范式1和范式2，默认是2.

max_norm是定义范式中的最大值，如果embeding中的值大于这个阈值，则会重新做一下norm