主要在对文档中字符进行初始化embedding时使用,将输入的字符id转换成相应的embedding。该函数的原型是:

embed_sequence(ids,vocab_size=None,embed_dim=None,unique=False,initializer=None,regularizer=None,trainable=True,scope=None,reuse=None
)

我们平时主要用的是前三个变量,它们的含义如下:

  1. ids:尺寸为[batch_size, doc_length]的二阶张量
  2. vocab_size:字典大小
  3. embed_dim:词向量大小

输出是尺寸为[batch_size,doc_length,embed_dim]的三阶张量,相当于初始化每个词向量。

例:

import tensorflow as tf
a=tf.constant([[1,2,3,4,5],[9,2,1,1,2]])
b=tf.contrib.layers.embed_sequence(ids=a,vocab_size=100,embed_dim=10)
with tf.Session() as sess:sess.run(tf.global_variables_initializer())print(sess.run(b))

Tensorflow函数测试之tf.contrib.layers.embed_sequence相关推荐

  1. 第十六节,使用函数封装库tf.contrib.layers

    目录 一 tf.contrib.layers中的具体函数介绍 1.tf.contrib.layers.conv2d()函数的定义如下: 2.tf.contrib.layers.max_pool2d() ...

  2. TensorFlow——tf.contrib.layers库中的相关API

    在TensorFlow中封装好了一个高级库,tf.contrib.layers库封装了很多的函数,使用这个高级库来开发将会提高效率,卷积函数使用tf.contrib.layers.conv2d,池化函 ...

  3. 【TensorFlow】TensorFlow函数精讲之tf.contrib.layers.l1regularizer()-12_regularizer(lambda)

    TensorFlow中计算L1正则化和L2正则化的函数: L1正则化:tf.contrib.layers.l1regularizer(lambda)(w)函数,它可以返回一个函数,这个函数可以计算一个 ...

  4. 【TensorFlow】TensorFlow函数精讲之tf.contrib.layers.flatten()

    tf.contrib.layers.flatten(A)函数使得P保留第一个维度,把第一个维度包含的每一子张量展开成一个行向量,返回张量是一个二维的,返回的shape为[第一维度,子张量乘积). 一般 ...

  5. TensorFlow基础篇(八)——tf.contrib.layers.l1regularizer()-12_regularizer(lambda)

    TensorFlow中计算L1正则化和L2正则化的函数: L1正则化:tf.contrib.layers.l1regularizer(lambda)(w),它可以返回一个函数,这个函数可以计算一个给定 ...

  6. tensorflow学习(一)——有关tensorflow不同层的使用(tf.nn 和tf.layers以及tf.contrib.layers)的简单区别

    版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/holmes_MX/article/de ...

  7. tensorflow兼容处理 tensorflow.compat.v1 tf.contrib

    20201130 问题提出: v1版本中tensorflow中contrib模块十分丰富,但是发展不可控,因此在v2版本中将这个模块集成到其他模块中去了.在学习tensorflow经常碰到tf.con ...

  8. tf.nn 和tf.layers以及tf.contrib.layers的简单区别(转)

    tensorflow不同层的使用(tf.nn 和tf.layers以及tf.contrib.layers)的简单区别(转) 2018年09月02日 18:50:33 holmes_MX 版权声明:原创 ...

  9. tf.contrib.layers.fully_connected详解

    博主 https://www.jianshu.com/p/673fd07954e9 tf.contrib.layers.fully_connected(F, num_outputs,activatio ...

  10. 记录 之 tensorflow函数:tf.data.Dataset.from_tensor_slices

    tf.data.Dataset.from_tensor_slices(),是常见的数据处理函数,它的作用是将给定的元组(turple).列表(list).张量(tensor)等特征进行特征切片.切片的 ...

最新文章

  1. 001-ant design安装及快速入门【基于纯antd的基本项目搭建】
  2. 【Verilog HDL 训练】第 06 天(边沿检测)
  3. opencv_4.5.0/OpenCvSharp4.0 九点标定
  4. CSS块级元素和行内元素
  5. html5杂记(1)
  6. QT的QStackedWidget类的使用
  7. dotnet core 开发无缝兼容Http和Websocket协议的接口服务
  8. Java量与变量的区别
  9. Java(Android)游戏开发框架LGame-0.2.7发布
  10. 小技巧之nvidia-smi
  11. CoreAnimation-CATransform3D-1
  12. linq4j java8_Linq4j简明介绍
  13. python遍历文件夹下所有文件
  14. itchat 运行记录
  15. JavaScript设计模式----装饰者模式
  16. Android Studio模拟器使用sqlite3建立SQLite数据库
  17. java爬取今日头条_今日头条抓取街拍图片数据集
  18. python 导出到excel ,打开excel有错误,错误的提示为:发现“***”中的部分内容问题,是否让我们尽量尝试修复?如果您信任此工作簿的源,请单击“是”。
  19. 使用ImageJ测图片中物体的平均灰度值
  20. SATA、AHCI、ATA等相关知识概述

热门文章

  1. java走迷宫课程设计_java课程设计走迷宫.doc
  2. 迅手系统连接不到服务器,逆火快速上手.doc
  3. pytorch 入门教程 常用知识整理
  4. 一文搞懂什么是单代号网络图!
  5. 在VC6.0下设置Unicode编译环境
  6. 元数据管理实践数据血缘
  7. php添加删除div,前端JavaScript-动态添加和删除div元素
  8. 应届生面试技巧心得及选择工作走向的分析
  9. Cocos2dx中Lua游戏性能优化指南
  10. 搜狗高级测试经理诸葛东明谈基于AI图像识别的输入法性能测试实践