size(embedding_model)的含义是什么？嵌入模型参数释义

• 执行len(embedding_model)得到的400000，确实对应该模型词表内不同token的总数量。Gensim的词向量对象（KeyedVectors）的长度计算逻辑就是直接返回词表条目数，glove-wiki-gigaword-50本身就是筛选了40万高频词构建的预训练模型，和输出结果匹配。
• 模型名称后缀的50不是指每个token占50字节，这个数字代表每个token对应的嵌入向量维度为50：即每个词会被映射为长度为50的浮点数向量。如果按单精度浮点数计算，单条词向量的实际存储空间为200字节，和50字节的表述完全不符。

你可以用如下代码自行验证向量维度的逻辑：

# 提取单个词的嵌入向量查看长度
word_vec = embedding_model['test']
print(len(word_vec))

运行上述代码会输出50，这个返回值就是向量的维度数，和字节单位没有关系。

内容的提问来源于stack exchange，提问作者user3668129