pytorch nn.EmbeddingBag中的偏移是什么意思？

我知道偏移量有两个数字时的含义，但当有两个以上的数字时，它意味着什么，例如：

weight = torch.FloatTensor([[1, 2, 3], [4, 5, 6]])
embedding_sum = nn.EmbeddingBag.from_pretrained(weight, mode='sum')
print(list(embedding_sum.parameters()))
input = torch.LongTensor([0,1])
offsets = torch.LongTensor([0,1,2,1])

print(embedding_sum(input, offsets))

结果是：

[Parameter containing:
tensor([[1., 2., 3.],
        [4., 5., 6.]])]
tensor([[1., 2., 3.],
        [4., 5., 6.],
        [0., 0., 0.],
        [0., 0., 0.]])

谁能帮我？

如图所示

它使用，这将

偏移量
参数解释为

偏移量（长传感器，可选）–仅在输入为1D时使用。偏移量确定输入中每个行李（序列）的起始索引位置

在：

如果输入为形状（N）的1D，则将其视为多个行李（序列）的串联。偏移量要求为1D张量，包含输入中每个行李的起始索引位置因此，对于形状（B）的偏移，输入将被视为具有B个袋子。空袋子（即，具有0长度）将具有由零填充的返回向量

最后一条语句（“空包（即长度为0）将返回由零填充的向量。”）解释了结果张量中的零向量

return F.embedding(
    input, self.weight, self.padding_idx, self.max_norm,
    self.norm_type, self.scale_grad_by_freq, self.sparse)