本文只是初步解释, 或者解释
Embedding(input_dim,
output_dim,
embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False,
input_length=None)
中的 input_dim, output_dim, input_length.
令 S 为一集合 S, Embedding 为函数 f : S → R n f: \text{S} \to \R^n f:S→Rn, n 为手选参数. 从 S 中放回抽取 m 次, 按抽取顺序排成一序列.可类比从词典中选词组成句子.
input_dim : 集合 S 的大小,
output_dim : n
input_length : m 的最大值.
假定 S : = { v 0 , v 1 , ⋯ , v 9 } \text{S}:=\{v_0,v_1,\cdots, v_9\} S:={
v0,v1,⋯,v9}. 构作编号 f 1 ( v i ) = i f_1(v_i)=i f1(vi)=i.
选 n=4, m=2.
基本想法是 使用 one-hot 编码
f 2 ( i ) = [ 0 , 0 , ⋯ , 0 , 1 , 0 , ⋯ , 0 ] f_2(i)=[0,0, \cdots, 0, 1, 0,\cdots,0] f2(i)=[0,0,⋯,0,1,0,⋯,0]
这两个函数是确定好的,不产生参数.
每次输入为两个 元素, 例如 ( v 1 v 2 ) → f 2 f 1 ( 1 , 0 , 0 , 0 , 0 , 0 ,