keras.layers.embeddings.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)

输入shape：形如（samples，sequence_length）的2D张量

输出shape：形如  (samples, sequence_length, output_dim)  的3D张量

重要参数

input_dim:        整数，字典长度，即输入数据最大下标+1

output_dim:      整数，代表全连接嵌入的维度

input_length:    当输入序列的长度固定时，该值为其长度。如果要在该层后接Flatten层，然后接Dense层，则必须指定该参数，否则Dense层的输出维度无法自动推断。

 举例说明上述参数：

假设单词表大小为1000，词向量的维度为300，那么Embedding的参数 input_dim=10000，output_dim=300。

嵌入层将正整数（下标）转换为具有固定大小的向量，如[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]。

举个栗子：

假如单词表的大小为1000，词向量维度为2，经单词频数统计后，tom对应的id=4，而jerry对应的id=20，经上述的转换后，我们会得到一个M1000×2的矩阵，而tom对应的是该矩阵的第4行，取出该行的数据就是[0.25,0.1]。