tf.nn.embedding_lookup()

发布时间：2020-12-20 12:51:51 所属栏目：Python 来源：网络整理

导读：tf . nn . embedding_lookup ( ? ? params , ? ? ids , ? ? partition_strategy = ‘mod‘ , ? ? name = None , ? ? validate_indices = True , ? ? max_norm = None ) 功能：选取一个张量里面索引对应的行的向量 TensorFlow链接： https://tensorflow.goog

tf.nn.embedding_lookup(
? ? params,
? ? ids,
? ? partition_strategy=‘mod‘,
? ? name=None,
? ? validate_indices=True,
? ? max_norm=None
)

功能：选取一个张量里面索引对应的行的向量

TensorFlow链接：https://tensorflow.google.cn/api_docs/python/tf/nn/embedding_lookup?hl=en

参数：

params：张量或数组；
id：对应的索引
partition_strategy：partition_strategy是用于当len(params) > 1，params的元素分割不能整分的话，则前(max_id + 1) % len(params)多分一个id.

当partition_strategy = ‘mod‘的时候，13个ids划分为5个分区：[[0,5,10],[1,6,11],[2,7,12],[3,8],[4,9]]，也就是是按照数据列进行映射，然后再进行look_up操作。默认是mod
当partition_strategy = ‘div‘的时候，13个ids划分为5个分区：[[0,1,2],4,5],[6,[9,[11,12]]，也就是是按照数据先后进行排序标序，然后再进行look_up操作。

（图来自https://www.jianshu.com/p/abea0d9d2436）

举例：

import numpy as np
A = tf.convert_to_tensor(np.array([[[1],[2]],[[3],[4]],[[5],[6]]]))
B = tf.nn.embedding_lookup(A,[[0,1],0],[0,0]])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(‘A‘,sess.run(A))
    print(‘A shape‘,A.shape)
    print(‘B‘,sess.run(B))
    print(‘B shape‘,B.shape)

结果：

A [[[1]
  [2]]

 [[3]
  [4]]

 [[5]
  [6]]]
A shape (3,2,1)
B [[[[1]
   [2]]

  [[3]
   [4]]]


 [[[3]
   [4]]

  [[1]
   [2]]]


 [[[1]
   [2]]

  [[1]
   [2]]]]
B shape (3,1)

参考文献：

【1】tf.nn.embedding_lookup记录

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!