2022-02-12 11:07:52 +08:00
|
|
|
|
mindspore.nn.Embedding
|
|
|
|
|
|
=======================
|
|
|
|
|
|
|
|
|
|
|
|
.. py:class:: mindspore.nn.Embedding(vocab_size, embedding_size, use_one_hot=False, embedding_table="normal", dtype=mstype.float32, padding_idx=None)
|
|
|
|
|
|
|
|
|
|
|
|
嵌入层。
|
|
|
|
|
|
|
2022-04-01 17:41:48 +08:00
|
|
|
|
用于存储词向量并使用索引进行检索，根据输入Tensor中的id，从 `embedding_table` 中查询对应的embedding向量。当输入为id组成的序列时，输出为对应embedding向量构成的矩阵。
|
2022-02-12 11:07:52 +08:00
|
|
|
|
|
|
|
|
|
|
.. note::
|
|
|
|
|
|
当 `use_one_hot` 等于True时，x的类型必须是mindpore.int32。
|
|
|
|
|
|
|
2022-07-22 16:25:38 +08:00
|
|
|
|
参数：
|
|
|
|
|
|
- **vocab_size** (int) - 词典的大小。
|
|
|
|
|
|
- **embedding_size** (int) - 每个嵌入向量的大小。
|
|
|
|
|
|
- **use_one_hot** (bool) - 指定是否使用one-hot形式。默认值：False。
|
|
|
|
|
|
- **embedding_table** (Union[Tensor, str, Initializer, numbers.Number]) - embedding_table的初始化方法。当指定为字符串，字符串取值请参见类 `mindspore.common.initializer` 。默认值：'normal'。
|
|
|
|
|
|
- **dtype** (mindspore.dtype) - x的数据类型。默认值：mindspore.float32。
|
|
|
|
|
|
- **padding_idx** (int, None) - 将 `padding_idx` 对应索引所输出的嵌入向量用零填充。默认值：None。该功能已停用。
|
|
|
|
|
|
|
|
|
|
|
|
输入：
|
|
|
|
|
|
- **x** (Tensor) - Tensor的shape为 :math:`(\text{batch_size}, \text{x_length})` ，其元素为整型值，并且元素数目必须小于等于vocab_size，否则相应的嵌入向量将为零。该数据类型可以是int32或int64。
|
|
|
|
|
|
|
|
|
|
|
|
输出：
|
|
|
|
|
|
Tensor的shape :math:`(\text{batch_size}, \text{x_length}, \text{embedding_size})` 。
|
|
|
|
|
|
|
|
|
|
|
|
异常：
|
|
|
|
|
|
- **TypeError** - 如果 `vocab_size` 或者 `embedding_size` 不是整型值。
|
|
|
|
|
|
- **TypeError** - 如果 `use_one_hot` 不是布尔值。
|
|
|
|
|
|
- **ValueError** - 如果 `padding_idx` 是一个不在[0, `vocab_size` ]范围内的整数。
|
