torch.nn.Embedding(num_embeddings, embedding_dim)

這個語句是創(chuàng)建一個詞嵌入模型，num_embeddings代表一共有多少個詞，embedding_dim代表你想要為每個詞創(chuàng)建一個多少維的向量來表示它，直接上例子：

import torch from torch import nnembedding = nn.Embedding(5, 4) # 假定字典中只有5個詞，詞向量維度為4 word = [[1, 2, 3],[2, 3, 4]] # 每個數(shù)字代表一個詞，例如 {'!':0,'how':1, 'are':2, 'you':3, 'ok':4}#而且這些數(shù)字的范圍只能在0～4之間，因為上面定義了只有5個詞 embed = embedding(torch.LongTensor(word)) print(embed) print(embed.size())

輸出：

tensor([[[-0.4093, -1.0110, 0.6731, 0.0790],[-0.6557, -0.9846, -0.1647, 2.2633],[-0.5706, -1.1936, -0.2704, 0.0708]],[[-0.6557, -0.9846, -0.1647, 2.2633],[-0.5706, -1.1936, -0.2704, 0.0708],[ 0.2242, -0.5989, 0.4237, 2.2405]]], grad_fn=<EmbeddingBackward>) torch.Size([2, 3, 4])

embed輸出的維度是[2, 3, 4]，這就代表對于輸入的[2,3]維的詞，每一個詞都被映射成了一個4維的向量。

總結(jié)

以上是生活随笔為你收集整理的torch.nn.Embedding(num_embeddings, embedding_dim)的理解的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。