tf.nn.embedding_lookup函数的用法

本文转载于以下博客地址：https://www.cnblogs.com/gaofighting/p/9625868.html

如有冒犯，还望谅解！

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（params, ids）:params可以是张量也可以是数组等，id就是对应的索引，其他的参数不介绍。

例如：

ids只有一行：

1 2 3 4 5 6 7 8 9 10 11 12

#c = np.random.random([10, 1])  # 随机生成一个10*1的数组 #b = tf.nn.embedding_lookup(c, [1, 3])#查找数组中的序号为1和3的 p=tf.Variable(tf.random_normal([10,1]))#生成10*1的张量 b = tf.nn.embedding_lookup(p, [1, 3])#查找张量中的序号为1和3的   with tf.Session() as sess:     sess.run(tf.global_variables_initializer())     print(sess.run(b))     #print(c)     print(sess.run(p))     print(p)     print(type(p))

　　

输出：

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14

[[0.15791859]  [0.6468804 ]] [[-0.2737084 ]  [ 0.15791859]  [-0.01315552]  [ 0.6468804 ]  [-1.4090979 ]  [ 2.1583703 ]  [ 1.4137447 ]  [ 0.20688428]  [-0.32815856]  [-1.0601649 ]] <tf.Variable 'Variable:0' shape=(10, 1) dtype=float32_ref> <class 'tensorflow.python.ops.variables.Variable'>

　分析：输出为张量的第一和第三个元素。

如果ids是多行：

import tensorflow as tf
import numpy as np

a = [[0.1, 0.2, 0.3], [1.1, 1.2, 1.3], [2.1, 2.2, 2.3], [3.1, 3.2, 3.3], [4.1, 4.2, 4.3]]
a = np.asarray(a)
idx1 = tf.Variable([0, 2, 3, 1], tf.int32)
idx2 = tf.Variable([[0, 2, 3, 1], [4, 0, 2, 2]], tf.int32)
out1 = tf.nn.embedding_lookup(a, idx1)
out2 = tf.nn.embedding_lookup(a, idx2)
init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    print sess.run(out1)
    print out1
    print '=================='
    print sess.run(out2)
    print out2

输出：

[[ 0.1  0.2  0.3]
 [ 2.1  2.2  2.3]
 [ 3.1  3.2  3.3]
 [ 1.1  1.2  1.3]]
Tensor("embedding_lookup:0", shape=(4, 3), dtype=float64)
==================
[[[ 0.1  0.2  0.3]
  [ 2.1  2.2  2.3]
  [ 3.1  3.2  3.3]
  [ 1.1  1.2  1.3]]

 [[ 4.1  4.2  4.3]
  [ 0.1  0.2  0.3]
  [ 2.1  2.2  2.3]
  [ 2.1  2.2  2.3]]]
Tensor("embedding_lookup_1:0", shape=(2, 4, 3), dtype=float64)