假设有一个文本数据集,词汇表大小为10000个词,我们想要将每个词映射到一个128维的向量空间。
import torch
import torch.nn as nn
# 创建嵌入层实例
embedding_layer = nn.Embedding(
num_embeddings=10000, # 词汇表大小:10000个词
embedding_dim=128, # 每个词的嵌入维度:128维
padding_idx=0 # 将索引0用作填充标记,其嵌入向量将全为零且在训练时不更新
)
# 假设有一个批次的样本,其中包含4个句子,每个句子被表示为一个词索引序列
# 这里使用随机生成的索引作为示例
batch_size = 4
seq_len = 10
sample_indices = torch.randint(1, 10000, (batch_size, seq_len)) # 生成随机索引,范围从1到9999(不包含0,因为0是填充索引)
# 通过嵌入层获取嵌入向量
embedded_samples = embedding_layer(sample_indices)
# embedded_samples 的形状是 [batch_size, seq_len, embedding_dim]
# [4, 10, 128]
print(embedded_samples.shape) # 输出:torch.Size([4, 10, 128])
上面代码中,nn.Embedding
层将每个词索引映射到了一个128维的向量。sample_indices
是一个形状为[batch_size, seq_len]
的张量,表示一个批次中的句子,其中每个句子由词索引组成。通过将这些索引传递给embedding_layer
,我们得到了一个形状为[batch_size, seq_len, embedding_dim]
的张量,其中包含了每个词的嵌入向量。