tf.keras.layers.Embedding的具体用法
时间: 2023-12-10 13:08:09 浏览: 27
`tf.keras.layers.Embedding` 是 TensorFlow 中的一个层,用于将整数序列编码为密集向量。它通常用于自然语言处理任务中,例如将单词序列编码为向量序列。
下面是 `tf.keras.layers.Embedding` 的具体用法:
```python
tf.keras.layers.Embedding(input_dim, output_dim, input_length)
```
其中,`input_dim` 表示输入数据的词汇表大小,`output_dim` 表示输出的嵌入向量的维度,`input_length` 表示输入序列的长度。
使用 `tf.keras.layers.Embedding` 可以将输入的整数序列编码为密集向量,例如:
```python
import tensorflow as tf
# 定义输入序列
inputs = tf.keras.Input(shape=(None,), dtype="int32")
# 定义嵌入层
embedding_layer = tf.keras.layers.Embedding(input_dim=1000, output_dim=64)
# 将输入序列编码为向量序列
embedded_sequences = embedding_layer(inputs)
# 输出编码后的向量序列
print(embedded_sequences.shape)
```
上述代码中,输入序列的长度为任意长度,词汇表大小为 1000,嵌入向量的维度为 64。`embedded_sequences` 的形状为 `(None, None, 64)`,其中第一个 `None` 表示输入的样本数,第二个 `None` 表示输入序列的长度,第三个 `64` 表示嵌入向量的维度。