public struct Embedding<Scalar> : Module where Scalar : TensorFlowFloatingPointیک لایه تعبیه شده
Embedding در واقع یک جدول جستجو است که شاخص‌ها را از یک واژگان ثابت به نمایش‌های برداری با اندازه ثابت (متراکم) ترسیم می‌کند، به عنوان مثال [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]] .
یک جدول جستجوی قابل یادگیری که شاخص های واژگان را به نمایش های برداری متراکم آنها ترسیم می کند.
اعلامیه
public var embeddings: Tensor<Scalar>یک لایه
Embeddingبا تعبیه‌های شکلی(vocabularySize, embeddingSize)به طور تصادفی اولیه ایجاد می‌کند تا به هر فهرست واژگان یک نمایش برداری داده شود.اعلامیه
public init( vocabularySize: Int, embeddingSize: Int, embeddingsInitializer: ParameterInitializer<Scalar> = { Tensor(randomUniform: $0) } )پارامترها
vocabularySizeتعداد شاخص های متمایز (کلمات) در واژگان. این عدد باید بزرگترین شاخص عدد صحیح به اضافه یک باشد.
embeddingSizeتعداد ورودی‌ها در یک نمایش بردار جاسازی شده.
embeddingsInitializerآغازگر برای استفاده برای پارامترهای جاسازی.
یک لایه
Embeddingاز جاسازی های ارائه شده ایجاد می کند. برای معرفی تعبیه های از پیش آموزش دیده در یک مدل مفید است.اعلامیه
public init(embeddings: Tensor<Scalar>)پارامترها
embeddingsجدول تعبیه شده از قبل آموزش دیده.