public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPoint埋め込みレイヤー。
Embedding事実上、インデックスを固定語彙から固定サイズ (密) ベクトル表現にマッピングするルックアップ テーブルです (例: [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]] 。
語彙インデックスをその密なベクトル表現にマッピングする学習可能なルックアップ テーブル。
宣言
public var embeddings: Tensor<Scalar>各語彙インデックスにベクトル表現が与えられるように、形状
(vocabularySize, embeddingSize)のランダムに初期化された埋め込みを使用してEmbeddingレイヤーを作成します。宣言
public init( vocabularySize: Int, embeddingSize: Int, embeddingsInitializer: ParameterInitializer<Scalar> = { Tensor(randomUniform: $0) } )パラメータ
vocabularySize語彙内の個別のインデックス (単語) の数。この数値は、最大の整数インデックスに 1 を加えたものでなければなりません。
embeddingSize単一の埋め込みベクトル表現内のエントリの数。
embeddingsInitializer埋め込みパラメータに使用するイニシャライザ。
提供された埋め込みから
Embeddingレイヤーを作成します。事前トレーニングされた埋め込みをモデルに導入するのに役立ちます。宣言
public init(embeddings: Tensor<Scalar>)パラメータ
embeddings事前トレーニングされた埋め込みテーブル。