tf.nn.embedding_lookup()输入输出

最新推荐文章于 2022-07-06 17:12:27 发布
最新推荐文章于 2022-07-06 17:12:27 发布
阅读量404 收藏 1
点赞数 1
分类专栏： 小熊tensorflow笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wxgaws/article/details/111415653
版权

embeddings =tf.nn.embedding_lookup(feature_embeddings, feat_index) # None * F * K

  • 输入1：张量feature_embeddings维度为F*K
  • 输入2：张量feat_index维度为None * F
  • 输出： tf.nn.embedding_lookup()的维度为None * F * K

参考

ChenglongChen/tensorflow-DeepFM

xxaxtt
关注
专栏目录
tf.nn.embedding_lookup（）函数
简简单单
03-11 862
一、tf.nn.embedding_lookup（） tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（tensor, id）:tensor就是输入张量，id就是张量对应的索引。 二、代码 import tensorflow as tf import numpy as np input_ids = t...
tf.nn.embedding_lookup函数以及对嵌入表示的理解
sinat_36618660的博客
08-15 1292
假设有一组分类,总共有5个类别,我们对所有类别进行one-hot(哑编码),则编码后[1,0,0,0,0]为类别1,[0,1,0,0,0]为类别2,[0,0,1,0,0]为类别3,[0,0,0,1,0]为类别4,[0,0,0,0,1]为类别5.若类别过多,该如何处理?我们用one-hot表示,就有可能使得训练参数过于庞大,而且不能表示不同类别之间的相似度,于是我们想到了嵌入(Embeding)方式...
tf.nn.embedding_lookup
weixin_38590213的博客
01-02 180
tf.nn.embedding_lookup的作用就是找到要寻找的embedding data中的对应的行下的vector。
tensorflow中embedding_lookup, tf.gather以及tf.nn.embedding_lookup_sparse的理解
热门推荐
huhu0769的博客
05-04 1万+
1. tf.nn.embedding_lookup()函数签名如下：embedding_lookup( params, ids, partition_strategy='mod', name=None, validate_indices=True, max_norm=None )参数说明：params参数是一些tensor组成的列表或者单个的tenso
tf.nn.embedding_lookup 举例说明，简单易懂
toretto_ana的博客
03-13 296
#tf.nn.embedding_lookup:可以把这个函数的数据切片原理想象成numpy的花式索引。 #index_1 = tf.Variable([1, 2, 3, 0], tf.int32)，以这个为例，就是按顺序，逐行取出a矩阵中第2,3,4,1,行 #index_2 = tf.Variable([[1, 2, 3, 0], [4, 1, 3, 3], [4, 1, 3, 3]], t...
tf.nn.embedding_lookup()
qq_37923376的博客
07-06 718
tf.nn.embedding_lookup
tf.nn.embedding_lookup函数
hscoder的博客
11-16 536
tf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None, validate_indices=True, max_norm=None)简单的来讲，就是将一个数字序列ids转化成embedding序列表示。 假设params.shape=[v,h], ids.shape=[m], 那么该函数会返回一个shape=
学习tensorflow函数用法（二）(tf.nn.embedding_lookup)
雷咖啡的博客
10-22 317
import numpy as np import tensorflow as tf c = np.random.random([5,8])#[vocab_size,embedding_size] embedding = tf.Variable(c) b = tf.nn.embedding_lookup(embedding, [[1,3],[2,4]])#[batch_size,sentence...
tf.nn.embedding_lookup()详解
boss的博客
12-12 1271
tf.nn.embedding_lookup(tensor,id)这个函数一般用于通过输入input_x的值，来获取权重大矩阵里面的每个字的向量。 a = tf.Variable(tf.random_normal([3,5],7,1)) b = tf.Variable(tf.nn.embedding_lookup(a,[0,2,1,0])) with tf.Session() as sess: ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

xxaxtt

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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