कई तंत्रिका नेटवर्क पुस्तकालयों में, 'एम्बेडिंग लेयर्स' होते हैं, जैसे कि केर या लासगैन में ।
मुझे यकीन नहीं है कि मैं प्रलेखन पढ़ने के बावजूद, इसके कार्य को समझता हूं। उदाहरण के लिए, केरस प्रलेखन में यह कहा गया है:
धनात्मक पूर्णांक (इंडेक्स) को निश्चित आकार के denses vectors में बदल दें, जैसे। [[४], [२०]] -> [[०.२५, ०.१], [०.६, ०.२]]
क्या कोई जानकार बता सकता है कि यह क्या करता है, और आप इसका इस्तेमाल कब करेंगे?
EDIT: प्रलेखन में चिपकाने के संबंध में, प्रलेखन से चिपकाने के लिए बहुत कुछ नहीं है, इसलिए मेरा सवाल है। मुझे समझ में नहीं आता है कि यह रूपांतरण होता है, न ही इसका उपयोग क्यों किया जाना चाहिए।
वैसे भी, यह कैसे में समझाया गया है:
एम्बेडिंग
keras। , उदा। [[४], [२०]] -> [[०.२५, ०.१], [०.६, ०.२]]
इनपुट आकार: आकृति के साथ 2 डी टेंसर: (nb_samples, क्रम_प्रवाह)। आउटपुट का आकार: आकृति के साथ 3 डी टेंसर: (nb_samples, क्रम_प्रवाह, output_dim)। तर्क:
input_dim: int> = 0. शब्दावली का आकार, यानी। इनपुट डेटा में होने वाला 1 + अधिकतम पूर्णांक सूचकांक। output_dim: int> = 0. सघन एम्बेडिंग का आयाम
और यहाँ यह कैसे यह Lasagne में समझाया गया है:
शब्द एम्बेडिंग के लिए एक परत। इनपुट एक पूर्णांक प्रकार Tensor चर होना चाहिए।
पैरामीटर: इनकमिंग: एक लेयर इंस्टेंस या टुपल
इस परत में खिला परत, या अपेक्षित इनपुट आकार।
input_size: int
विभिन्न एम्बेडिंग की संख्या। अंतिम एम्बेडिंग में index input_size - 1 होगा।
output_size: int
प्रत्येक एम्बेडिंग का आकार।
डब्ल्यू: थीनो साझा चर, अभिव्यक्ति, सुन्न सरणी या सुगम
एम्बेडिंग मैट्रिक्स के लिए प्रारंभिक मूल्य, अभिव्यक्ति या इनिशलाइज़र। यह आकार के साथ एक मैट्रिक्स होना चाहिए (input_size, output_size)। अधिक जानकारी के लिए lasagne.utils.create_param () देखें।
उदाहरण
>>> from lasagne.layers import EmbeddingLayer, InputLayer, get_output >>> import theano >>> x = T.imatrix() >>> l_in = InputLayer((3, )) >>> W = np.arange(3*5).reshape((3, 5)).astype('float32') >>> l1 = EmbeddingLayer(l_in, input_size=3, output_size=5, W=W) >>> output = get_output(l1, x) >>> f = theano.function([x], output) >>> x_test = np.array([[0, 2], [1, 2]]).astype('int32') >>> f(x_test) array([[[ 0., 1., 2., 3., 4.], [ 10., 11., 12., 13., 14.]], [[ 5., 6., 7., 8., 9.], [ 10., 11., 12., 13., 14.]]], dtype=float32)