下图是本人亲笔画的示意图，忽略我不堪入目的字，内容最重要。
下图是在我看《Tensorflow实战》这本书的Tensorflow实现LSTM的语言模型这一节过程中画的，主要是结合此例，用wi表示单词，wi的向量表达方式我以自己的理解方式举得例子，比如w1为[1,0,0,...,0,0]; w2为[0,1,0,...,0,0]; w3为[0,0,1,...,0,0] 等等。
tf.nn.embedding_look(embedding, input_.input_data)函数主要含义就是input_data相当于词向量索引，在词汇表embedding中找出input_data中的单词的向量表达方式。
batch_size表示批大小；
num_steps表示迭代步数；
vocab_size表示词汇表中单词个数；
hidden_size表示LSTM隐藏层单元数；
embedding的列表示每个单词向量表达的维度，此例中设为和LSTM隐藏层单元数一致为hidden_size；