torch.nn.embedding()大致使用方法

碰到了这个东西,有点不太清楚,在这里记下笔记
将nn.embedding理解为学习一个词向量的表示,每一个词都会对应一个指定维度的单独的向量表示(embed_dim在GRU等模型的输入中,可以认为是input_size)。假设当前词汇表中一共有V个不同的词,则可以定义如下形式:
假设当前词汇表中有4个不同的单词,则V=4

import torch
import torch.nn as nn
embed=nn.Embedding(4,embed_dim)
x=torch.LongTensor([[0,1,2],[3,2,1]])#B,seq_length
x_embed=embed(x)
print(x_embed.size())#B,seq_length,embed_size

可以将embed理解为一共矩阵,每个词类似于0,1,2等相当于通过矩阵的行去索引出该行向量的内容,行向量的维度为embed_dim。使用embedding去发现词隐藏的特征形式,使用神经网络的方法去自行学习。

参考连接:

PyTorch快速入门教程七(pytorch下RNN如何做自然语言处理)

PyTorch快速入门教程七(RNN做自然语言处理) - pytorch中文网

  • 3
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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