public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPoint
یک لایه تعبیه شده
Embedding
در واقع یک جدول جستجو است که شاخصها را از یک واژگان ثابت به نمایشهای برداری با اندازه ثابت (متراکم) ترسیم میکند، به عنوان مثال [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]]
.
یک جدول جستجوی قابل یادگیری که شاخص های واژگان را به نمایش های برداری متراکم آنها ترسیم می کند.
اعلام
public var embeddings: Tensor<Scalar>
یک لایه
Embedding
با تعبیههای شکلی(vocabularySize, embeddingSize)
به طور تصادفی اولیه ایجاد میکند تا به هر فهرست واژگان یک نمایش برداری داده شود.اعلام
public init( vocabularySize: Int, embeddingSize: Int, embeddingsInitializer: ParameterInitializer<Scalar> = { Tensor(randomUniform: $0) } )
مولفه های
vocabularySize
تعداد شاخص های متمایز (کلمات) در واژگان. این عدد باید بزرگترین شاخص عدد صحیح به اضافه یک باشد.
embeddingSize
تعداد ورودیها در یک نمایش بردار جاسازی شده.
embeddingsInitializer
آغازگر برای استفاده برای پارامترهای جاسازی.
یک لایه
Embedding
از جاسازی های ارائه شده ایجاد می کند. برای معرفی تعبیه های از پیش آموزش دیده در یک مدل مفید است.اعلام
public init(embeddings: Tensor<Scalar>)
مولفه های
embeddings
جدول تعبیه شده از قبل آموزش دیده.