torch.nn.Embedding： 隨機初始化詞向量，詞向量值在正態分佈N(0,1)中隨機取值。
輸入：
torch.nn.Embedding(
num_embeddings, – 詞典的大小尺寸，比如總共出現5000個詞，那就輸入5000。此時index為（0-4999）
embedding_dim,– 嵌入向量的維度，即用多少維來表示一個符號。
padding_idx=None,– 填充id，比如，輸入長度為100，但是每次的句子長度並不一樣，後面就需要用統一的數字填充，而這裡就是指定這個數字，這樣，網路在遇到填充id時，就不會計算其與其它符號的相關性。（初始化為0）
max_norm=None, – 最大範數，如果嵌入向量的範數超過了這個界限，就要進行再歸一化。
norm_type=2.0, – 指定利用什麼範數計算，並用於對比max_norm，預設為2範數。
scale_grad_by_freq=False, 根據單詞在mini-batch中出現的頻率，對梯度進行放縮。預設為False.
sparse=False, – 若為True,則與權重矩陣相關的梯度轉變為稀疏張量。
_weight=None)
輸出：
[規整後的句子長度，樣本個數（batch_size）,詞向量維度]
舉例：
部落格推薦：
https://www.cnblogs.com/duye/p/10590146.html