tf.nn.embedding_lookup
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 ...
最新文章
- Houdini FX 14 重磅推出!(附下载方式)
- iOS自动打包并发布脚本
- 《Orange’s 一个操作系统的实现》3.保护模式3----DOS加载.EXE过程
- SecureCRT 使用指南
- 【Boost】boost库asio详解7——boost::asio::buffer用法
- 独占设备的分配与回收_灵魂拷问:Java对象的内存分配过程是如何保证线程安全的?...
- Docker 概念解析
- map平均准确率_第五篇 目标检测评价标准—MAP
- Ubuntu Linux服务器安装HBase
- 【转】Java URL Encoding and Decoding
- 浅谈VMD(变分模态分解)
- 简单三步,教你搭建一个私有云盘
- html消除表格线,html5 消除表格线
- 利用浏览器检查获取网页视频
- 阿里云服务器更改时区
- 第17课 项目成本管理
- 我的世界Linux服务端op,服务器,后台,单机,op必备指令大全
- 白光干涉仪能做什么丨科普篇
- 使用nginx配置一个ip对应多个域名
- 开发单片机常见的IDE有哪些?