SRC
Embedding 层可以参考 word2vec 或 glov 算法原理,利用单层神经网络做词的向量化,一般来说输入为 word 在字典中的位置(一般不用one-hot),输出为向量空间上的值。 Embedding的主要作用是将词的向量训练也放入到模型中,形成一个end-to-end结构,而这样 Embedding 层训练出来的向量可以更好的适应相应任务。
嵌入层包含了词嵌入层, 它还有 image embedding 等.
SRC
Embedding 层可以参考 word2vec 或 glov 算法原理,利用单层神经网络做词的向量化,一般来说输入为 word 在字典中的位置(一般不用one-hot),输出为向量空间上的值。 Embedding的主要作用是将词的向量训练也放入到模型中,形成一个end-to-end结构,而这样 Embedding 层训练出来的向量可以更好的适应相应任务。
嵌入层包含了词嵌入层, 它还有 image embedding 等.