关于tensorflow经过embedding层维度的问题。

tensorflow其实没多难,感觉在理解了维度问题以后,慢慢的就懂了。

经过embedding层,embedding_output = tf.nn.embedding_lookup(embedding_mat,self.xdata)

embedding层的目的是要将data表示为lstm可以输入的onehot数据。

如果data的shape为(100,50),在lstm中,100是batchsize大小,50是你将来要表示成time的,这50中的每一个都要用向量表示,所以,embedding_output的shape应该是

100*50*每个词的维度,这样embedding_mat就要表示为词汇表大小*每个词的维度,比如5000*128.

embedding_output shape为100*50*128  50就是你的timestep,128是每个数据的词汇量大小,100就是batchsize。

tensorflow学习的时候,关键是数据的维度,其它都很简单。

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 7
    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 7
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