Embedding之padding

文章目录

题目
解释
举例
- case1:padding_idx=None
- case2:padding_idx=0
- case3:padding_idx=3
- case4:padding_idx=3,将单词顺序变化

题目

padding_idx学习

解释

Embedding类

参数	含义
padding_idx (int, optional)	If specified, the entries at :attr:`padding_idx` do not contribute to the gradient; therefore, the embedding vector at :attr:`padding_idx` is not updated during training,

i.e. it remains as a fixed “pad”. For a newly constructed Embedding,the embedding vector at :attr:padding_idx will default to all zeros,but can be updated to another value to be used as the padding vector. |

什么意思呢？

意思就是padding_idx默认为None，如果指定的话，则padding_idx对应的参数不会对梯度产生影响，因此在padding_idx处词嵌入向量在训练过程中不会被更新。

举例

# 原段落有有5个单词,分别为
# index  :  word
#   0       hello
#   1       world
#   2       morning
#   3       goodbye
#   4       sunshine

case1:padding_idx=None

#index=[0,1,2,3,4]分别代表上述单词
seq = torch.tensor([0,1,2,3,4])# 创建一个词嵌入模型embed,输入单词数为5,每个单词用3个向量表示
embed = nn.Embedding(5,3,padding_idx=None)word_embed = embed(seq)
print(f"默认情况下的padding_idx:\n{word_embed}")

case2:padding_idx=0

#index=[0,1,2,3,4]分别代表上述单词
seq = torch.tensor([0,1,2,3,4])# 创建一个词嵌入模型embed,输入单词数为5,每个单词用3个向量表示
embed = nn.Embedding(5,3,padding_idx=0)word_embed = embed(seq)
print(f"padding_idx=0:\n{word_embed}")

case3:padding_idx=3

#index=[0,1,2,3,4]分别代表上述单词
seq = torch.tensor([0,1,2,3,4])# 创建一个词嵌入模型embed,输入单词数为5,每个单词用3个向量表示
embed = nn.Embedding(5,3,padding_idx=3)word_embed = embed(seq)
print(f"padding_idx=0:\n{word_embed}")

结论：

从这里可以看出padding_idx的作用是使得对应单词的词向量表示为0，比如padding_idx=0，它是让hello代表的词向量表示为0

case4:padding_idx=3,将单词顺序变化

#index=[0,1,2,3,4]分别代表上述单词，将goodbye和sunshine位置调换
seq = torch.tensor([0,1,2,4,3])# 创建一个词嵌入模型embed,输入单词数为5,每个单词用3个向量表示
embed = nn.Embedding(5,3,padding_idx=3)word_embed = embed(seq)
print(f"padding_idx=3:\n{word_embed}")

由此更可以确凿是与单词的index有关，而不是与seq本身固有的index有关。

Embedding之padding_idx学习相关推荐

一文直击Graph Embedding图表示学习的原理及应用
导读:我们都知道在数据结构中,图是一种基础且常用的结构.现实世界中许多场景可以抽象为一种图结构,如社交网络,交通网络,电商网站中用户与物品的关系等. 目前提到图算法一般指: 经典数据结构与算法层面的: ...
nn.Embedding中padding_idx的理解
每个句子的长度并不一定是等长的, 这时候就需要对较短的句子进行padding, nn.Embedding中padding_idx是指定padding的索引值. #实例化词嵌入对象,序列进行paddin ...
Word Embedding与Word2Vec学习
一.词嵌入背景 Embed这个词,英文的释义为, fix (an object) firmly and deeply in a surrounding mass, 也就是"嵌入"之 ...
点击率预测模型Embedding层的学习和训练
导读: 本文将简要介绍推荐模型的发展历史,现状,和下一步的研究趋势.并重点介绍针对embedding数据的模型训练及优化.主要包含以下几大部分内容: CTR预测模型(CTR Models) 连续值处理 ...
Adapting Grad-CAM for Embedding Networks - 度量学习网络可视化方法（reid、人脸识别）
Adapting Grad-CAM for Embedding Networks TL;DR 基于 grad-cam 修改得到一种适配embedding网络的可视化方法,可以用于人脸识别.reid等任 ...
《Attributed Social Network Embedding》论文学习笔记
一.研究背景本文提出了一种网络表示学习算法:将结构信息和属性信息同时输入深度神经网络,实现非线性特征抽象,相对传统的浅层神经网络语言模型,有较大性能提升.同时作者提出了离散属性信息的处理方式,是本文 ...
js 中使用idx模块方便获取链条式的对象属性值
1. 背景从一个js对象的属性值中的属性再次获得值,或者从集合中获得元素再获得属性值要写很多判断是否空的表达式,才能继续读取,否则就出现异常.这在开发过程很繁琐的事情,idx 模块就是来解决这个问题 ...
深度学习推荐系统中各类流行的Embedding方法
Embedding技术概览: 对其它Embedding技术不熟悉,可以看我的上一篇文章:深度学习推荐系统中各类流行的Embedding方法(上) Graph Embedding简介 Word2Vec和 ...
深度学习推荐系统中各类流行的Embedding方法（下）
我的个人微信公众号: Microstrong 微信公众号ID: MicrostrongAI 微信公众号介绍: Microstrong(小强)同学主要研究机器学习.深度学习.推荐系统.自然语言处理.计算 ...

Embedding之padding_idx学习