TensorFlow tf.keras.layers.Embedding

参数

参数	描述
input_dim	词汇表的维度(总共有多少个不相同的词)
output_dim	嵌入词空间的维度
input_length	输入语句的长度
embeddings_initializer
embeddings_regularizer
embeddings_constraint
mask_zero

列子:

from tensorflow import keras
import numpy as np

data = np.array([[0,0,0],[1,1,1]])
emb = keras.layers.Embedding(input_dim=2, output_dim=3, input_length=3) # 只有0,1所以input_dime是2
emb(data)

输入形状

二维张量(batch_size,input_length)

输出形状

三维张量(batch_size,input_length,output_dim)

init

__init__(
    input_dim,
    output_dim,
    embeddings_initializer='uniform',
    embeddings_regularizer=None,
    activity_regularizer=None,
    embeddings_constraint=None,
    mask_zero=False,
    input_length=None,
    **kwargs
)

参考:
从Embedding层到Keras解决文本分类
api应用
How to Use Word Embedding Layers for Deep Learning with Keras
深度学习中Keras中的Embedding层的理解与使用
一文搞懂word embeddding和keras中的embedding
在Keras模型中one-hot编码,Embedding层,使用预训练的词向量/处理图片