【Pytorch】 Pytorch实例:基于词向量的语言模型实现

在Pytorch中,词嵌入使用函数nn.embedding:

class torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2, scale_grad_by_freq=False, sparse=False)

embedding使用的参数如下:

  • num_embeddings:词嵌入的字典大小
  • embedding_dim:词嵌入的维度
  • padding_idx:可选项,如果选择,对该index上的结果填充0
  • max_norm:可选项,如果选择,对词嵌入归一化时,设置归一化的最大值
  • norm_type:可选项,如果选择,对词嵌入归一化时,设置p-norm的p值
  • scale_grad_by_freq:可选项,如果选择,在mini-batch时,根据词频对梯度进行规整
  • sparse:可选项,如果选择,梯度w.r.t权值矩阵将是一个稀疏张量

词嵌入的简单使用例子如下:

import torch 
import torch.nn as nn
import torch.aurtograd as aotugrad

word_to_idx = {"hello":0, "pytorch":1}
embeds = nn.Embedding(2,5)  # 2 words in vocab, 5 dimensional embeddings
lookup_tensor = torc
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值