embedding_lookup

import tensorflow as tf
embedding = tf.get_variable("embedding", initializer=tf.ones(shape=[10, 5]))
look_uop = tf.nn.embedding_lookup(embedding, [1, 2, 3, 4])
# embedding_lookup就像是给 其它行的变量加上了stop_gradient
w1 = tf.get_variable("w", shape=[5, 1])
z = tf.matmul(look_uop, w1)
opt = tf.train.GradientDescentOptimizer(0.1)
#梯度的计算和更新依旧和之前一样，没有需要注意的
gradients = tf.gradients(z, xs=[embedding])
train = opt.apply_gradients([(gradients[0],embedding)])
#print(gradients[4])
with tf.Session() as sess:
tf.global_variables_initializer().run()
print(sess.run(train))
print(sess.run(embedding))

[[ 1.
1.
1.
1.
1.
]
[ 0.90580809
1.0156796
0.96294552
1.01720285
1.08395708]
[ 0.90580809
1.0156796
0.96294552
1.01720285
1.08395708]
[ 0.90580809
1.0156796
0.96294552
1.01720285
1.08395708]
[ 0.90580809
1.0156796
0.96294552
1.01720285
1.08395708]
[ 1.
1.
1.
1.
1.
]
[ 1.
1.
1.
1.
1.
]
[ 1.
1.
1.
1.
1.
]
[ 1.
1.
1.
1.
1.
]
[ 1.
1.
1.
1.
1.
]]

最后

以上就是专注中心为你收集整理的tensorflow:embedding_lookupembedding_lookup的全部内容，希望文章能够帮你解决tensorflow:embedding_lookupembedding_lookup所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。