zoukankan      html  css  js  c++  java
  • Embedding方法

     

    方式1:

    target_vocab_size = len(target_letter_to_int)

    decoder_embeddings=tf.Variable(tf.random_uniform([target_vocab_size,decoding_embedding_size]))

    decoder_embed_input = tf.nn.embedding_lookup(decoder_embeddings, decoder_input)

     

    方式2

    在Embedding中,我们使用tf.contrib.layers.embed_sequence,它会对每个batch执行embedding操作。

    对序列数据执行embedding操作,输入[batch_size, sequence_length]的tensor,返回[batch_size, sequence_length, embed_dim]的tensor。

    features = [[1,2,3],[4,5,6]]

    outputs = tf.contrib.layers.embed_sequence(features, vocab_size, embed_dim)

    如果embed_dim=4,输出结果为(2*3*4)

    [[[0.1,0.2,0.3,0.1],[0.2,0.5,0.7,0.2],[0.1,0.6,0.1,0.2]], [[0.6,0.2,0.8,0.2],[0.5,0.6,0.9,0.2],[0.3,0.9,0.2,0.2]] ]

  • 相关阅读:
    职业生涯系列
    自我进修系列
    每周问题系列
    职业生涯系列
    软件测试专用名词
    Java系列 – 用Java8新特性进行Java开发太爽了(续)
    Java系列
    EJB系列
    EJB系列
    EJB系列
  • 原文地址:https://www.cnblogs.com/yongfuxue/p/10095886.html
Copyright © 2011-2022 走看看