self.users = nn.Embedding( n_users, dim, max_norm=1 )
请问一下各位大佬，我看到一段代码中max_norm=1我查了他说最大范数为1，这个是什么意思，为什么嵌入向量范数超过界限，就要归一化。
# 随机初始化用户的向量,
self.users = nn.Embedding( n_users, dim, max_norm=1 )max_norm (python:float, optional) – 最大范数，如果嵌入向量的范数超过了这个界限，就要进行再归一化。
还有这个，假设指定n_users，那么指定的这个dim=10，就是一个10维的用户，那么为什么这个要一个维数的概念，不同维数有区别吗
回答：
nn.Embedding
embedding_dim (int) – the size of each embedding vector
max_norm (float, optional) – If given, each embedding vector with norm larger than max_norm is renormalized to have norm max_norm.
Embedding 是把一个数映射到一个向量。embedding_dim 是这个向量的维度。max_norm 指定了向量的最大允许的 norm 。
以上是 self.users = nn.Embedding( n_users, dim, max_norm=1 ) 的全部内容， 来源链接： utcz.com/p/938448.html
