---

1. 报错

torch.embedding 报错：

IndexError: index out of range in self

2. 原因

首先看下正常情况：

python">import torch
import torch.nn.functional as Finputs = torch.tensor([[1, 2, 4, 5], [4, 3, 2, 9]])
embedding_matrix = torch.rand(10, 3)
print(embedding_matrix)
print(F.embedding(inputs, embedding_matrix))

输出：

tensor([[0.8832, 0.2487, 0.7640],[0.8973, 0.5747, 0.8496],[0.2269, 0.2961, 0.7951],[0.7736, 0.9914, 0.9448],[0.4134, 0.7143, 0.4455],[0.3482, 0.1837, 0.3179],[0.4071, 0.9485, 0.1735],[0.7494, 0.8119, 0.7899],[0.3922, 0.2944, 0.4924],[0.2391, 0.8299, 0.3299]])
tensor([[[0.8973, 0.5747, 0.8496],[0.2269, 0.2961, 0.7951],[0.4134, 0.7143, 0.4455],[0.3482, 0.1837, 0.3179]],[[0.4134, 0.7143, 0.4455],[0.7736, 0.9914, 0.9448],[0.2269, 0.2961, 0.7951],[0.2391, 0.8299, 0.3299]]])

在这里，embedding_matrix 是一个全量的权重表，需要根据 inputs 的列表来选择权重列表的第几行。

例如：inputs[0] = [1, 2, 4, 5]，注意这里是从0开始的，那么依次选择 embedding_matrix 的第2行、第3行、第5行、第6行，则对应的列表组成为：

python">[[0.8973, 0.5747, 0.8496],
[0.2269, 0.2961, 0.7951],
[0.4134, 0.7143, 0.4455],
[0.3482, 0.1837, 0.3179]]

这就是输出的第一部分，对于inputs[1] = [4, 3, 2, 9] 同样如此。

到这里，应该就清楚了出现 IndexError: index out of range in self 报错的原因了。如果 inputs 中出现超过权重表长度的数，就会报错。

例如上面例子权重表有10行，所以 inputs 最大数应该为9，如果 inputs[1] = [4, 3, 2, 10]，如下：

python">import torch
import torch.nn.functional as Finputs = torch.tensor([[1, 2, 4, 5], [4, 3, 2, 10]])
embedding_matrix = torch.rand(10, 3)
print(embedding_matrix)
print(F.embedding(inputs, embedding_matrix))

那么报错如下：

3. 解决方法

知道报错原因之后，那么需要弄清楚的就是 inputs 中为什么会出现超过 embedding_matrix 权重表长度的数，这里就需要具体分析了。