pytorch中深度拷贝_深度ctr算法中的embedding及pytorch和tf中的实现举例

本篇主要总结如下内容：

1.embedding 是什么

2.pytorch中embedding的实现举例

3.tensorFlow中embedding的实现举例

---

1.embedding 是什么

前段时间写了一篇

hellodata：ctr深度模型中的核心问题及pytorch实现学习笔记​zhuanlan.zhihu.com

，在这篇把embedding这部分给遗漏，现补充下这块。

在wide&deep,deepfm,dcn，xdeepfm等算法中很重要的一项就是embedding操作，embedding是模型的第一层。可以简单的理解为，将一个特征转换为一个向量。对于离散变量，我们一般的做法是将其转换为one-hot，但对于itemid这种离散变量，转换成one-hot之后维度非常高，但里面只有一个是1，其余都为0。。比如有1000个不同的词，那么使用one-hot这样的方法效率就很低了，所以我们必须要使用另外