tf.nn.embedding_lookup()笔记

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

首先通过一下一个简单的例子来了解一下tf.nn.embedding_lookup()的用法

a = tf.constant([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
>>>a.eval()
Out[51]: 
array([[ 1,  2,  3],
       [ 4,  5,  6],
       [ 7,  8,  9],
       [10, 11, 12]], dtype=int32)

tf.nn.embedding_lookup(a,[0,1]).eval()
>>>Out[52]: 
array([[1, 2, 3],
       [4, 5, 6]], dtype=int32)

tf.nn.embedding_lookup(a,[[0,1],[1,2]]).eval()
>>>Out[53]: 
array([[[1, 2, 3],
        [4, 5, 6]],
       [[4, 5, 6],
        [7, 8, 9]]], dtype=int32)

参数说明：

params: 表示完整的嵌入张量，或者除了第一维度之外具有相同形状的P个张量的列表，表示经分割的嵌入张量。

ids: 一个类型为int32或int64的Tensor，包含要在params中查找的id

partition_strategy: 指定分区策略的字符串，如果len（params）> 1，则相关。当前支持“div”和“mod”。 默认为“mod”

name: 操作名称（可选）

validate_indices: 是否验证收集索引

max_norm: 如果不是None，嵌入值将被l2归一化为max_norm的值