文章目录
1、nn.Embedding
- 首先我们讲解一下关于嵌入向量embedding vector的概念
1）在自然语言处理NLP领域，是将单词、短语或其他文本单位映射到一个固定长度的实数向量空间中。嵌入向量具有较低的维度，通常在几十到几百维之间，且每个维度都包含一定程度上的语义信息。这意味着在嵌入向量空间中，语义上相似的单词在向量空间中也更加接近。
2）在计算机视觉领域，是将图像或图像中的区域映射到一个固定长度的实数向量空间中。嵌入向量在计算机视觉任务中起到了表示和提取特征的作用。通过将图像映射到嵌入向量空间，可以捕捉到图像的语义信息、视觉特征以及图像之间的相似性。
- 总之，嵌入向量是具有固定维度的，而不论是在NLP领域还是CV领域，都需要生成多个嵌入向量，因此也有固定数量。
- 于是，我们就可以简单理解该类为：
CLASS torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None,
norm_type=2.0, scale_grad_by_freq=False, sparse=False, _weight=None, _freeze=False, device=None, dtype=None)
''
一个简单的查找表，用于存储固定词典和尺寸的embeddings：其实就是存储了固定数量的具有固定维度的嵌入向量
该模块需要使用索引检索嵌入向量：也就是说模块的输入是索引列表，输出是相应存储的嵌入向量。
1) num_embeddings: 嵌入向量的数量
2) embedding_dim: 嵌入向量的维度
注意：
1）它的成员变量weight：具有shape为 (num_embeddings, embedding_dim) 的可学习的参数
2）输入为：任意形状[*]的IntTensor或LongTensor，内部元素为索引值，即0到num_embeddings-1之间的值
输出为：[*, H]的嵌入向量，H为embedding_dim
''
- 例如：
from torch import nn
import torch
# an Embedding module containing 10 tensors of size 3
embedding = nn.Embedding(10, 3)
# a batch of 2 samples of 4 indices each
input = torch.LongTensor([[1, 2, 4, 5], [4, 3, 2, 9]])
print(embedding(input))
print(embedding.weight)
''
输出为：
tensor([[[ 0.4125, 0.1478, 0.3764],
[ 0.5272, -0.4960, 1.5926],
[ 0.2231, -0.7653, -0.5333],
[ 2.8278, 1.5299, 1.4080]],
[[ 0.2231, -0.7653, -0.5333],
[-0.3996, 0.3626, -0.3369],
[ 0.5272, -0.4960, 1.5926],
[ 0.6222, 1.3385, 0.6861]]], grad_fn=<EmbeddingBackward>)
Parameter containing:
tensor([[-0.1316, -0.2370, -0.8308],
[ 0.4125, 0.1478, 0.3764],
[ 0.5272, -0.4960, 1.5926],
[-0.3996, 0.3626, -0.3369],
[ 0.2231, -0.7653, -0.5333],
[ 2.8278, 1.5299, 1.4080],
[-0.4182, 0.4665, 1.5345],
[-1.2107, 0.3569, 0.9719],
[-0.6439, -0.4095, 0.6130],
[ 0.6222, 1.3385, 0.6861]], requires_grad=True)
''
2、使用场景
- transformer decoder输入的嵌入向量Output Embedding
- DETR中的decoder的object queries
