public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPoint
Una capa de incrustación.
Embedding
es efectivamente una tabla de búsqueda que mapea los índices de un vocabulario fijo a representaciones vectoriales de tamaño fijo (denso), por ejemplo [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]]
.
Una tabla de búsqueda de aprendizaje que asigna índices de vocabulario a sus densas representaciones vectoriales.
Declaración
public var embeddings: Tensor<Scalar>
Crea una
Embedding
capa con incrustaciones inicializados aleatoriamente de forma(vocabularySize, embeddingSize)
por lo que cada índice de vocabulario se da una representación vectorial.Declaración
public init( vocabularySize: Int, embeddingSize: Int, embeddingsInitializer: ParameterInitializer<Scalar> = { Tensor(randomUniform: $0) } )
Parámetros
vocabularySize
El número de índices (palabras) distintos en el vocabulario. Este número debe ser el índice entero más grande más uno.
embeddingSize
El número de entradas en una única representación de vector de incrustación.
embeddingsInitializer
Inicializador que se utilizará para los parámetros de incrustación.
Crea una
Embedding
capa a partir de las incrustaciones proporcionados. Útil para introducir incrustaciones previamente entrenadas en un modelo.Declaración
public init(embeddings: Tensor<Scalar>)
Parámetros
embeddings
La mesa de incrustaciones previamente entrenadas.
Devuelve una salida reemplazando cada índice en la entrada con la representación de vector denso correspondiente.
Declaración
Valor devuelto
El tensor creado al reemplazar los índices de entrada con sus representaciones vectoriales.