在Pytorch中，我们可以有超过一维的输入(例如单词嵌入)吗？

在PyTorch中，是可以使用超过一维的输入的，例如单词嵌入。PyTorch是一个强大的深度学习框架，可以支持多维输入数据的处理。对于单词嵌入这样的任务，一般使用嵌入层来进行处理。

嵌入层是一种常用的神经网络层，它可以将离散的输入（例如单词）映射为连续的低维向量表示。在PyTorch中，可以使用torch.nn.Embedding类来实现嵌入层。这个类的初始化函数需要指定输入的维度和嵌入后的维度，例如：

embedding = torch.nn.Embedding(num_embeddings, embedding_dim)

其中num_embeddings表示输入的维度大小，即单词的数量，embedding_dim表示嵌入后的维度大小，即每个单词的向量表示的维度。

使用嵌入层后，可以将输入的多维数据传入嵌入层进行处理，例如：

input = torch.tensor([[1, 2, 3], [4, 5, 6]])  # 两个样本，每个样本有3个单词
embeddings = embedding(input)

上述代码中，input是一个大小为(2, 3)的Tensor，表示两个样本，每个样本有3个单词。embedding(input)将输入传入嵌入层，并返回嵌入后的结果embeddings，它的大小为(2, 3, embedding_dim)，即两个样本，每个样本有3个单词，每个单词的向量表示的维度为embedding_dim。

这样，我们就可以在PyTorch中使用超过一维的输入，例如单词嵌入，来进行深度学习任务的处理。

如果您对PyTorch的嵌入层和其他深度学习相关的内容感兴趣，可以参考腾讯云的深度学习平台产品AI Lab，链接地址为：https://cloud.tencent.com/product/ailab