keras 中 Embedding层input_dim,output_dim个人理解

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

• input_dim: int > 0. Size of the vocabulary, i.e. maximum integer index + 1.
• output_dim: int >= 0. Dimension of the dense embedding.
• embeddings_initializer: Initializer for the embeddings matrix (see initializers).

上面只是列出了常用参数，其中input_dim便是词汇长度+1，我个人理解是，Embedding功能是将单词索引变为向量表示,这个过程，便是一个降维的过程，所以你的输入维度便是你的最大数字加一

可以看出，我输入数组中最大数字是3，所以我的input_dim便要比3要大1，其中output_dim便是输出维度，就如同CNN最后的全连接层一样，上面我设置的5，便将每一位要表示的数字变为用1x5来表示的向量。