tensorflow中embedding_lookup()用法

embedding = tf.nn.embedding_lookup(w, [1, 2, 0])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(embedding))

第一个参数 w 是所有词汇的词向量， 例如，词汇表有8000个词 w的维度就是(8000, 300) 其中300是词向量的维度
第二个参数是一个list 包含的是 要查找的词在词表中的位置
如 [1, 2, 0] 查找 词表中索引为 1， 2， 0 三个词的词向量
查出来的维度 会扩展一个 dim的维度 例如 这里查出来的向量的维度会变成
(3, 300)

注意， tf.nn.embedding_lookup 是定义计算图的语句，要创建session才能跑出结果，直接运行是没有结果的。