标准回答
它在做什么
Embedding 层把离散的整数 id（如词表索引、用户 id、类别）映射成固定维度的稠密实数向量。实现上是一张形状为 [词表大小, 嵌入维度] 的可学习权重矩阵，前向时按 id 取出对应行——所以它等价于一次「查表」，也等价于 one-hot 向量乘以该矩阵。
为什么需要它
直接用 one-hot 表示离散变量维度极高且稀疏，向量间彼此正交、无法表达相似性。Embedding 把它压缩到低维稠密空间，既省参数又能让语义/行为相近的 id（如「猫」和「狗」、相似商品）落在相近位置，便于下游网络学习。
怎么学到的
嵌入矩阵就是模型参数，随整个网络一起反向传播更新。训练中共现、相似上下文的 id 会被推到相近向量，从而自动学出有语义结构的表示。也可以加载预训练词向量（如 Word2Vec）做初始化。
常见误区
⚠️ 常见踩坑
以为 Embedding 是固定不变的查表——它是可训练参数，会随任务一起优化；也别把它和 one-hot 等同，二者表达能力差别很大。
追问
追问 1：Embedding 维度该怎么选？
维度是超参数，需在表达能力与过拟合/算力间权衡。词表越大、关系越复杂可用更高维（几百维）；高基数但数据有限的类别特征常用较小维度。经验法则之一是取约为类别数的四次方根量级，最终以验证集效果调优。
追问 2：Embedding 和全连接层有什么关系？
用 one-hot 输入接一个无偏置全连接层，数学上等价于 Embedding 查表：取出的那一行就是对应权重列。区别在实现效率——Embedding 直接按 id 索引，避免了与稀疏 one-hot 的大矩阵乘法，速度和内存都更优。
延伸学习
与本题相关的知识库文章、术语、工具与行业资讯。