Python Tensorflow:RNN示例，单词嵌入从何而来

这里有一个Tensorflow LSTM示例：

我想知道嵌入这个词是从哪里来的

看，有这样的代码：

with tf.device("/cpu:0"):
    embedding = tf.get_variable(
        "embedding", [vocab_size, size], dtype=data_type())
    inputs = tf.nn.embedding_lookup(embedding, input_.input_data)

我知道

嵌入

变量应该包含什么内容（如本例所述：。但要完成工作必须有一些技巧（训练嵌入模型等）

我在项目代码中没有看到类似的内容。我也找不到任何可以生成简单的热编码向量的内容。它只是用整数ID替换单词，然后在读取器代码（）中重塑数据

---

我遗漏了什么？如果这是显而易见的事情，我真的很抱歉。

我不完全确定，但这就是我所理解的：

我认为嵌入一个可训练的张量。tf.get_variable（）使用这些参数获取一个现有变量，如果不存在，则创建一个新变量

如果初始值设定项为None，则将使用glorot_uniform_初始值设定项

---

基于vocab大小，我们初始化大嵌入矩阵，让它为我们的词汇表找到最佳嵌入值。

反向传播完成查找梯度和更新梯度的工作。