tf.nn.embedding_lookup
Извлекает векторные представления для заданных ids из списка тензоров.
tf.nn.embedding_lookup(
params, ids, max_norm=None, name=None
)
Используется в ноутбуках
| Используется в руководстве | Используется в учебных материалах |
|---|---|
Эта функция выполняет параллельный поиск векторов в списке тензоров в params. Она является обобщением tf.gather, где params интерпретируется как разбиение большого тензора векторных представлений на части.
Если len(params) > 1, каждый элемент id из ids распределяется между элементами params согласно стратегии разбиения «div»: идентификаторы назначаются частям последовательно. Например, 13 идентификаторов распределяются по 5 частям следующим образом: [[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10], [11, 12]].
Если пространство идентификаторов не делится на число частей без остатка, каждой из первых (max_id + 1) % len(params) частей будет назначен ещё один идентификатор.
Результаты поиска объединяются в плотный тензор. Возвращаемый тензор имеет форму shape(ids) + shape(params)[1:].
| Аргументы | |
|---|---|
params | Один тензор, представляющий полный тензор векторных представлений, или список тензоров одинаковой формы, за исключением первого измерения, представляющих разделённые на части тензоры векторных представлений согласно стратегии разбиения «div». |
ids | Tensor типа int32 или int64, содержащий идентификаторы для поиска в params. |
max_norm | Если значение не равно None, векторное представление обрезается, если его L2-норма превышает это значение. |
name | Имя операции (необязательно). |
| Возвращает | |
|---|---|
Tensor того же типа, что и тензоры в params. Например, если [[1, 2], [3, 4], [5, 6], [7, 8], [9, 10]] или список матриц: params[0]: [[1, 2], [3, 4]] params[1]: [[5, 6], [7, 8]] params[2]: [[9, 10]] а [0, 3, 4] результатом будет матрица размером 3x2: [[1, 2], [7, 8], [9, 10]] |
| Исключения | |
|---|---|
ValueError | Если params пуст. |
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/nn/embedding_lookup