tf.nn.embedding

用法：

a1 = tf.nn.embedding_lookup(a, index)

index是索引，a是输入，通过index来选取a中对应的元素返回给a1，注意index是从0开始算起

例子：

import tensorflow as tfa = tf.constant([5, 6, 7, 8, 9])
index = tf.constant([1, 3])
a1 = tf.nn.embedding_lookup(a, index)with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(a1))

输出：[6 8]，可知输出了a中索引为1和3的元素

当a是二维数组时，输出第index行元素

import tensorflow as tfa = tf.constant([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
index = tf.constant([1])
a1 = tf.nn.embedding_lookup(a, index)with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(a))print(sess.run(a1))

输出：

[[0 1 2]
[3 4 5]
[6 7 8]]

[[3 4 5]]

tf.nn.embedding_lookup相关推荐

tf.nn.embedding_lookup()的用法
函数: tf.nn.embedding_lookup( params, ids, partition_strategy='mod', name=None, validate_indices=True, ...
深度学习原理与框架-CNN在文本分类的应用 1.tf.nn.embedding_lookup(根据索引数据从数据中取出数据) 2.saver.restore(加载sess参数)...
1. tf.nn.embedding_lookup(W, X) W的维度为[len(vocabulary_list), 128], X的维度为[?, 8],组合后的维度为[?, 8, 128] 代码说 ...
tf.nn.embedding_lookup函数的用法
tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素.tf.nn.embedding_lookup(params, ids):params可以是张量也可以是数组等 ...
深度学习-函数-tf.nn.embedding_lookup 与tf.keras.layers.Embedding
embedding函数用法 1. one_hot编码 1.1. 简单对比 1.2.优势分析: 1.3. 缺点分析: 1.4. 延伸思考 2. embedding的用途 2.1 embedding有两个 ...
tf.nn.embedding_lookup（）函数
一.tf.nn.embedding_lookup() tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素.tf.nn.embedding_lookup(tens ...
TensorFlow（七）tf.nn库
##tf.nn,tf.layers, tf.contrib模块有很多功能是重复的下面是对三个模块的简述: tf.nn :提供神经网络相关操作的支持,包括卷积操作(conv).池化操作(pooling ...
tf.nn.nce_loss分析
tf官方代码 def nce_loss(weights,biases,labels,inputs,num_sampled,num_classes,num_true=1,sampled_values=N ...
关于负采样tf.nn.sampled_softmax_loss
有NCE loss,这种loss版本用的多,[据说nce是针对多标签的,而本文的是单标签的]下面介绍下tf.nn.sampled_softmax_loss 首先看help的结果: sampled_so ...
通俗理解tf.nn.conv2d() tf.nn.conv3d( )参数的含义 pytorhc 卷积
20210609 例如(3,3,(3,7,7))表示的是输入图像的通道数是3,输出图像的通道数是3,(3,7,7)表示过滤器每次处理3帧图像,卷积核的大小是3 x 7 x 7. https://blo ...

tf.nn.embedding_lookup

tf.nn.embedding_lookup相关推荐

最新文章

热门文章