tf.nn.embedding_lookup()的用法

一般在NLP中经常用到这个函数。在NLP中，词汇表中存储了所有单词的word embedding，这个词汇表中的word embedding可以是通过word2vec算法训练好的，但是我们的语料库中的文本都是按照一篇篇文档存储的，而且语料库中存储的也只是一篇篇文档的对应单词的id，而不是embedding。故需要把文档中每个词都通过id映射成embedding向量，这个函数就是做这件事的。

函数原型

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

参数：

• 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，即要在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

返回值
返回的就是params中查找到的ids所组成的tensor。

举个例子：

import numpy as np
import tensorflow as tf
data = np.array([[[2],[1]],[[3],[4]],[[6],[7]]])
data = tf.convert_to_tensor(data)
lk = [[0,1],[1,0],[0,0]]
lookup_data = tf.nn.embedding_lookup(data,lk)
init = tf.global_variables_initializer()

先让我们看下不同数据对应的维度：

In [76]: data.shape
Out[76]: (3, 2, 1)
In [77]: np.array(lk).shape
Out[77]: (3, 2)
In [78]: lookup_data
Out[78]: <tf.Tensor 'embedding_lookup_8:0' shape=(3, 2, 2, 1) dtype=int64>

这个是怎么做到的呢？关键的部分来了，看下图：

这个函数根据lk中的值在data中找对应的index下的vector进行拼接。返回的tensor的维度是lk的维度+data的除了第一维后的维度拼接。
结果：

In [79]: data
Out[79]:
array([[[2],
        [1]],

       [[3],
        [4]],

       [[6],
        [7]]])

In [80]: lk
Out[80]: [[0, 1], [1, 0], [0, 0]]

# lk[0]也就是[0,1]就是查找data[0]和data[1]，也就是[[2],[1]]和[[3],[4]]，
# 并将二者拼为一个元素[[[2],[1]],[[3],[4]]]，这个元素就是look_data中的第一个元素

In [81]: sess.run(lookup_data)
Out[81]:
array([[[[2],
         [1]],

        [[3],
         [4]]],


       [[[3],
         [4]],

        [[2],
         [1]]],


       [[[2],
         [1]],

        [[2],
         [1]]]])

参考：https://www.jianshu.com/p/abea0d9d2436
https://blog.csdn.net/yangfengling1023/article/details/82910951