嵌入层 tf.keras.layers.Embedding() 介绍

函数原型

tf.keras.layers.Embedding(
    input_dim, output_dim, embeddings_initializer='uniform',
    embeddings_regularizer=None, activity_regularizer=None,
    embeddings_constraint=None, mask_zero=False, input_length=None, **kwargs
)

官网地址：https://tensorflow.google.cn/api_docs/python/tf/keras/layers/Embedding

作用

将正整数（索引）转换为固定大小的向量，例如[[4], [20]] -> [[0.25, 0.1], [0.6, -0.2]]。

• Embedding层只能用作模型中的第一层

参数

• input_dim：大或等于0的整数，字典长度，即输入数据最大下标+1
• output_dim：大于0的整数，代表全连接嵌入的维度
• embeddings_initializer: 嵌入矩阵的初始化方法，为预定义初始化方法名的字符串，或用于初始化权重的初始化器。
• embeddings_regularizer: 嵌入矩阵的正则项，为Regularizer对象
• embeddings_constraint: 嵌入矩阵的约束项，为Constraints对象
• mask_zero：布尔值，确定是否将输入中的‘0’看作是应该被忽略的“填充”（padding）值，该参数在使用递归层处理变长输入时有用。设置为True的话，模型中后续的层必须都支持masking，否则会抛出异常。如果该值为True，则下标0在字典中不可用，input_dim应设置为|vocabulary| + 1。
• input_length：当输入序列的长度固定时，该值为其长度。如果要在该层后接Flatten层，然后接Dense层，则必须指定该参数，否则Dense层的输出维度无法自动推断。