tf.tpu.experimental.embedding.FeatureConfig

Данные конфигурации для одного признака встраивания.

tf.tpu.experimental.embedding.FeatureConfig(
    table: tf.tpu.experimental.embedding.TableConfig,
    max_sequence_length: int = 0,
    name: Optional[Text] = None
)

Этот класс содержит данные конфигурации для одного признака встраивания. Основное назначение — назначение признаков tf.tpu.experimental.embedding.TableConfig через параметр 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. Если аргумент max_sequence_length равен 0, что является значением по умолчанию, ожидается выход embedding.dequeue для этого признака с формой (batch_size, dim). Если max_sequence_length больше 0, признак встраивается как последовательность и дополняется до указанной длины. Форма выходных данных для этого признака будет (batch_size, max_sequence_length, dim).