tf.compat.v2.nn.embedding_lookup

Ищет ids в списке тензоров встраивания.

tf.compat.v2.nn.embedding_lookup(
    params, ids, max_norm=None, name=None
)

Эта функция используется для выполнения параллельного поиска по списку тензоров в params. Это обобщение tf.gather, где params интерпретируется как разбиение большого тензора встраивания. params может быть PartitionedVariable, полученным с помощью tf.compat.v1.get_variable() с параметром разбиения.

Если len(params) > 1, каждый элемент id из ids распределяется между элементами params в соответствии с partition_strategy. Во всех стратегиях, если пространство идентификаторов не делится нацело на количество разбиений, каждому из первых (max_id + 1) % len(params) разбиений будет назначен ещё один идентификатор.

Стратегия partition_strategy всегда "div" в настоящее время. Это означает, что мы назначаем идентификаторы разбиения непрерывным образом. Например, 13 идентификаторов распределяются по 5 разбиениям следующим образом: [[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10], [11, 12]]

Результаты поиска объединяются в плотный тензор. Возвращаемый тензор имеет форму shape(ids) + shape(params)[1:].

Аргументы
`params`	Единственный тензор, представляющий полный тензор встраивания, или список из P тензоров, имеющих одинаковую форму, за исключением первого измерения, представляющих фрагментированные тензоры встраивания. Также, объект `PartitionedVariable`, созданный путем разбиения по размерности 0. Каждый элемент должен иметь соответствующий размер для оператора 'div' `partition_strategy`.
`ids`	`Tensor` типа `int32` или `int64`, содержащий идентификаторы для поиска в `params`.
`max_norm`	Если не `None`, каждое встраивание обрезается, если его l2-норма больше этого значения.
`name`	Имя операции (необязательно).

Возвращаемое значение
`Tensor` того же типа, что и тензоры в `params`.

Исключения
`ValueError`	Если `params` пустой.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/compat/v2/nn/embedding_lookup