Python tf.nn.embedding_lookup_sparse用法及代碼示例

參數

• params 表示完整嵌入張量的單個張量，或除第一個維度外所有相同形狀的張量列表，表示遵循"div" 分區策略的分片嵌入張量。
• sp_ids N x M SparseTensor of int64 ids，其中 N 通常是批量大小，M 是任意的。
• sp_weights 浮點/雙倍權重的 SparseTensor 或指示所有權重的 None 應為 1。如果指定，sp_weights 必須具有與 sp_ids 完全相同的形狀和索引。
• combiner 指定歸約操作的字符串。目前支持"mean"、"sqrtn"和"sum"。 "sum" 計算每行嵌入結果的加權和。 "mean" 是加權總和除以總重量。 "sqrtn" 是加權和除以權重平方和的平方根。默認為 mean 。
• max_norm 如果不是 None ，如果每個嵌入的 l2-norm 大於此值，則在組合之前將對其進行裁剪。
• name 操作的可選名稱。

返回

• 表示稀疏 id 的組合嵌入的密集張量。對於由表示的密集張量中的每一行sp_ids，op 查找該行中所有 id 的嵌入，將它們乘以相應的權重，並按指定組合這些嵌入。

  換句話說，如果

  shape(combined params) = [p0, p1, ..., pm]

  和

  shape(sp_ids) = shape(sp_weights) = [d0, d1]

  然後

  shape(output) = [d0, p1, ..., pm] 。

  例如，如果 params 是一個 10x20 矩陣，那麽 sp_ids /sp_weights 是

  [0, 0]:id 1, weight 2.0
    [0, 1]:id 3, weight 0.5
    [1, 0]:id 0, weight 1.0
    [2, 3]:id 1, weight 3.0

  使用combiner ="mean"，則輸出將是一個 3x20 矩陣，其中

  output[0,:] = (params[1,:] * 2.0 + params[3,:] * 0.5) / (2.0 + 0.5)
    output[1,:] = (params[0,:] * 1.0) / 1.0
    output[2,:] = (params[1,:] * 3.0) / 3.0

拋出

• TypeError 如果 sp_ids 不是 SparseTensor ，或者如果 sp_weights 既不是 None 也不是 SparseTensor 。
• ValueError 如果 combiner 不是 {"mean"、"sqrtn"、"sum"} 之一。