tf.nn.embedding_lookup函数

tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None, validate_indices=True, max_norm=None)

首先通过一下一个简单的例子来了解一下tf.nn.embedding_lookup()的用法

a = tf.constant([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])

>>>a.eval()

Out[51]:

array([[ 1, 2, 3],

[ 4, 5, 6],

[ 7, 8, 9],

[10, 11, 12]], dtype=int32)

   

tf.nn.embedding_lookup(a,[0,1]).eval()

>>>Out[52]:

array([[1, 2, 3],

[4, 5, 6]], dtype=int32)

   

tf.nn.embedding_lookup(a,[[0,1],[1,2]]).eval()

>>>Out[53]:

array([[[1, 2, 3],

[4, 5, 6]],

[[4, 5, 6],

[7, 8, 9]]], dtype=int32)

转载于:https://www.cnblogs.com/wuxiangli/p/10262576.html

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