[sentence encoder] 使用Skip-Thought Vectors在自己的数据集上训练一个sentence encoder

Skip-Thought Vectors

Skip-Thoughts 模型是一个句子编码器。它学习将输入的句子编码成固定维度的向量表示，这些向量表示能够对许多任务有用，例如检测释义，或对产品评论进行积极或消极的分类等等。

有关模型架构和更多示例应用的详细信息，可以参阅Ryan Kiros 等人的 NIPS 论文 Skip-Thought Vectors。

用法

Skip-Thought Vector 已经被收录到了TensorFlow的model里面，在这里已经很详细的说明了该模型的用法。
从准备数据到训练模型以及测试作者都已经写的很详细了，但是作者在训练完过后用在Google News dataset上预训练的模型对Vocabulary进行了扩展，但是笔者在使用过程中想完全用自己的数据集进行训练，于是就跳过了这一步。
但是笔者在使用时发现，到Evaluating a Model这一步时找不到所需要的Embeddings file

解决方法

笔者在看了对Vocabulary进行扩展部分的源码，发现他其实有从checkpoint中获取embedding file 的方法࿰