【Tensorflow】tf.nn.embedding_lookup函数的用法

tf.nn.embedding_lookup函数的用法主要是选取一个张量里面索引对应的元素。tf.nn.embedding_lookup（tensor, id）:tensor就是输入张量，id就是张量对应的索引，其他的参数不介绍。

例如：

import tensorflow as tf;
import numpy as np;
 
c = np.random.random([10,1])
b = tf.nn.embedding_lookup(c, [1, 3])
 
with tf.Session() as sess:
    sess.run(tf.initialize_all_variables())
    print sess.run(b)
    print c

输出：
[[ 0.77505197]
 [ 0.20635818]]
[[ 0.23976515]
 [ 0.77505197]
 [ 0.08798201]
 [ 0.20635818]
 [ 0.37183035]
 [ 0.24753178]
 [ 0.17718483]
 [ 0.38533808]
 [ 0.93345168]
 [ 0.02634772]]

分析：输出为张量的第一和第三个元素。

举例2：

import tensorflow as tf
input_x = tf.placeholder(tf.int32, [None, 3], name='input_x')
keep_prob = tf.placeholder(tf.float32, name='keep_prob')
embedding = tf.get_variable('embedding', [5, 6])
embedding_inputs = tf.nn.embedding_lookup(embedding, input_x)
x=[0,1,4]
with tf.Session() as session:
session.run(tf.global_variables_initializer())
y1,y2=session.run([embedding,embedding_inputs], feed_dict={input_x:[x]})
print(y1)
print(y2)

输出：

[[-3.7497959e-01 -1.3574934e-01  6.3621998e-04 -3.2882205e-01
  -2.6098430e-02 -6.4995855e-01]
 [ 4.9875981e-01  7.5718999e-02  1.6283578e-01  1.7291355e-01
   6.0358101e-01 -2.5407076e-01]
 [ 7.0739985e-03  5.7720226e-01 -7.6602280e-02 -5.9611917e-02
   1.0062820e-01 -3.7122670e-01]
 [ 1.3654292e-01 -4.5706773e-01 -2.6346862e-02  1.5305221e-02
   1.6879094e-01 -1.1148870e-01]
 [ 3.3369654e-01 -5.9345675e-01 -1.8395966e-01 -6.0551977e-01
   5.6261355e-01  1.8064469e-01]]
[[[-3.7497959e-01 -1.3574934e-01  6.3621998e-04 -3.2882205e-01
   -2.6098430e-02 -6.4995855e-01]
  [ 4.9875981e-01  7.5718999e-02  1.6283578e-01  1.7291355e-01
    6.0358101e-01 -2.5407076e-01]
  [ 3.3369654e-01 -5.9345675e-01 -1.8395966e-01 -6.0551977e-01
    5.6261355e-01  1.8064469e-01]]]

表示embedding的第0行，第1行，第4行，分别查找出来。

最后

以上就是优美马里奥为你收集整理的【Tensorflow】tf.nn.embedding_lookup函数的用法的全部内容，希望文章能够帮你解决【Tensorflow】tf.nn.embedding_lookup函数的用法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。