tf.tpu.experimental.embedding.FeatureConfig

Данные конфигурации для одного признака встраивания.

tf.tpu.experimental.embedding.FeatureConfig(
    table, max_sequence_length=0, name=None
)

Этот класс содержит данные конфигурации для одного признака встраивания. Основное его использование — назначение признаков в tf.tpu.experimental.embedding.TableConfig с помощью параметра table:

table_config_one = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...)
table_config_two = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...)
feature_config = {
    'feature_one': tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_one),
    'feature_two': tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_one),
    'feature_three': tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_two)}
embedding = tf.tpu.experimental.embedding.TPUEmbedding(
    feature_config=feature_config,
    batch_size=...
    optimizer=tf.tpu.experimental.embedding.Adam(0.1))

В приведенной выше конфигурации 2 таблицы и три признака. Первые два признака будут извлекаться из первой таблицы, а третий — из второй.

При передаче признаков в embedding.enqueue они могут быть tf.Tensor, tf.SparseTensor или tf.RaggedTensor. Когда аргумент max_sequence_length равен 0 (значение по умолчанию), ожидается вывод embedding.dequeue для этого признака со структурой (batch_size, dim). Если max_sequence_length больше 0, признак встраивается как последовательность и дополняется до указанной длины. Структура выходных данных для этого признака будет (batch_size, max_sequence_length, dim).