tf.nn.embedding_lookup()详解

tf.nn.embedding_lookup(tensor,id)这个函数一般用于通过输入input_x的值，来获取权重大矩阵里面的每个字的向量。

a = tf.Variable(tf.random_normal([3,5],7,1))
b = tf.Variable(tf.nn.embedding_lookup(a,[0,2,1,0]))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(a.eval())
    print(b.eval())

输出的结果是：

[[8.127014  6.635704  6.214539  6.260006  8.599776 ]
 [6.6675673 7.7031364 7.4922285 5.4658527 6.449992 ]
 [6.5353246 8.161758  5.4754076 6.515927  5.5366616]]
[[8.127014  6.635704  6.214539  6.260006  8.599776 ]
 [6.5353246 8.161758  5.4754076 6.515927  5.5366616]
 [6.6675673 7.7031364 7.4922285 5.4658527 6.449992 ]
 [8.127014  6.635704  6.214539  6.260006  8.599776 ]]

自己已经测试，从这里可以看出，只要是声明的变量，就必须要给其初始化，函数第一个参数tensor a 已经给了其默认排序[0，1，2，3…a[0]]排序，第二个参数可以是一个数组，数组中的每个是tensor索引的位置