Python tf.tpu.experimental.embedding.FeatureConfig用法及代碼示例

一種嵌入函數的配置數據。

用法

tf.tpu.experimental.embedding.FeatureConfig(
    table:tf.tpu.experimental.embedding.TableConfig,
    max_sequence_length:int = 0,
    validate_weights_and_indices:bool = True,
    output_shape:Optional[Union[List[int], tf.TensorShape]] = None,
    name:Optional[Text] = None
)

此類保存單個嵌入函數的配置數據。主要用途是通過 table 參數將特征分配給tf.tpu.experimental.embedding.TableConfigs：

table_config_one = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...)
table_config_two = tf.tpu.experimental.embedding.TableConfig(
    vocabulary_size=...,
    dim=...)
feature_config = {
    'feature_one':tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_one),
    'feature_two':tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_one),
    'feature_three':tf.tpu.experimental.embedding.FeatureConfig(
        table=table_config_two)}
embedding = tf.tpu.experimental.embedding.TPUEmbedding(
    feature_config=feature_config,
    batch_size=...
    optimizer=tf.tpu.experimental.embedding.Adam(0.1))

上麵的配置有 2 個表和 3 個特征。前兩個特征將在第一個表中查找，第三個特征將在第二個表中查找。

您還可以為每個特征指定輸出形狀。輸出形狀應該是預期的激活形狀，不包括表格維度。對於密集和稀疏張量，輸出形狀應與輸入形狀相同，但不包括最後一維。對於不規則張量，輸出形狀可能與輸入形狀不匹配。

注意：max_sequence_length 僅在輸入張量具有 rank 2 並且在特征配置中未設置 output_shape 時使用。

將特征饋送到embedding.enqueue 時，它們可以是tf.Tensor s、tf.SparseTensor s 或tf.RaggedTensor s。當參數 max_sequence_length 為 0(默認值)時，對於形狀為 (batch_size, dim) 的此函數，您應該期望輸出 embedding.dequeue。如果 max_sequence_length 大於 0，則將特征作為序列嵌入並填充到給定長度。此函數的輸出形狀將為 (batch_size, max_sequence_length, dim) 。