在tf.keras.layers.Embedding中，为什么重要的是知道字典的大小？

与标题相同，在tf.keras.layers.Embedding中，为什么重要的是要知道字典的大小作为输入维？

因为在内部，嵌入层不过是size的矩阵vocab_size x embedding_size。这是一个简单的查找表：n该矩阵的行存储word的向量n。

因此，如果您有例如1000个不同的词，则嵌入层需要知道此数字才能存储1000个向量（作为矩阵）。

不要将图层的内部存储与其输入或输出形状混淆。输入形状是(batch_size, sequence_length)每个条目都是范围内的整数[0, vocab_size[。对于这些整数中的每个整数，图层将返回embedding_size内部矩阵的对应行（大小为向量），因此输出形状变为(batch_size, sequence_length, embedding_size)。