Kares Embedding()函数

Embedding函数的官方文档：https://keras.io/zh/layers/embeddings/

输入尺寸为 (batch_size, sequence_length) 的 2D 张量。

输出尺寸为 (batch_size, sequence_length, output_dim) 的 3D 张量。

embedded_chars = Embedding(input_dim=sequence_length, output_dim=embedding_dim)(inputs) #embdding层的输入是inputs

input_dim: int > 0。词汇表大小， 即，最大整数 index + 1。
output_dim: int >= 0。词向量的维度。
embeddings_initializer: embeddings 矩阵的初始化方法 (详见 initializers)。
embeddings_regularizer: embeddings matrix 的正则化方法 (详见 regularizer)。
embeddings_constraint: embeddings matrix 的约束函数 (详见 constraints)。
mask_zero: 是否把 0 看作为一个应该被遮蔽的特殊的 "padding" 值。 这对于可变长的 循环神经网络层 十分有用。 如果设定为 True，那么接下来的所有层都必须支持 masking，否则就会抛出异常。 如果 mask_zero 为 True，作为结果，索引 0 就不能被用于词汇表中 （input_dim 应该与 vocabulary + 1 大小相同）。
input_length: 输入序列的长度，当它是固定的时。 如果你需要连接 Flatten 和 Dense 层，则这个参数是必须的 （没有它，dense 层的输出尺寸就无法计算）。

S_inputs = Input(shape=(64,), dtype='int32')##shape=(?,64)
##max_features: 20000
embeddings = Embedding(max_features, 128)(S_inputs)###shape=(?,64,128)

参考：Keras的Embedding函数_zhongzhh8的博客-CSDN博客_embedding函数