tf.nn.embedding

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)

参数说明：

params: 表示完整的嵌入张量，或者除了第一维度之外具有相同形状的P个张量的列表，表示经分割的嵌入张量。

ids: 一个类型为int32或int64的Tensor，包含要在params中查找的id

partition_strategy: 指定分区策略的字符串，如果len（params）> 1，则相关。当前支持“div”和“mod”。 默认为“mod”

name: 操作名称（可选）

validate_indices: 是否验证收集索引

max_norm: 如果不是None，嵌入值将被l2归一化为max_norm的值