工程招聘网站_北京建网站哪家公司好_下载百度极速版免费安装_网络推广官网首页

nn.Embedding 是 PyTorch 中用于将离散的整数索引（代表类别或符号）转换为连续向量表示的层。这个嵌入层特别适合用于自然语言处理、序列数据、推荐系统、以及生物信息学中的离散符号编码（如氨基酸序列等）等任务。

一、nn.Embedding 的定义和参数

nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False)

参数说明

1. num_embeddings (int)：嵌入矩阵的行数，即可表示的类别总数。例如，对于 21 个氨基酸和一个 gap 符号，num_embeddings=21+1=22。
2. embedding_dim (int)：嵌入向量的维度大小。比如 embedding_dim=64 表示每个类别会映射成一个 64 维的向量。
3. padding_idx (int, 可选)：指定填充索引（padding index），填充索引所对应的嵌入向量始终输出零向量。用于处理变长序列。
4. max_norm (float, 可选)：限制嵌入向量的最大范数，超过该值会被缩放到这个范围。