Python PyTorch EmbeddingBag用法及代码示例

本文简要介绍python语言中 torch.nn.quantized.EmbeddingBag 的用法。

用法:

class torch.nn.quantized.EmbeddingBag(num_embeddings, embedding_dim, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, mode='sum', sparse=False, _weight=None, include_last_offset=False, dtype=torch.quint8)

变量：

~EmbeddingBag.weight(Tensor) -形状为 (\text{num\_embeddings}, \text{embedding\_dim}) 的模块的不可学习量化权重。

一个量化的 EmbeddingBag 模块，以量化的打包权重作为输入。我们采用与torch.nn.EmbeddingBag 相同的接口，请参阅https://pytorch.org/docs/stable/nn.html#torch.nn.EmbeddingBag 获取文档。

与 EmbeddingBag 类似，属性将在模块创建时随机初始化，稍后将被覆盖

例子：：

>>> m = nn.quantized.EmbeddingBag(num_embeddings=10, embedding_dim=12, include_last_offset=True, mode='sum')
>>> indices = torch.tensor([9, 6, 5, 7, 8, 8, 9, 2, 8, 6, 6, 9, 1, 6, 8, 8, 3, 2, 3, 6, 3, 6, 5, 7, 0, 8, 4, 6, 5, 8, 2, 3])
>>> offsets = torch.tensor([0, 19, 20, 28, 28, 32])
>>> output = m(indices, offsets)
>>> print(output.size())
torch.Size([5, 12]