tf.nn.embedding_lookup()

tf.nn.embedding_lookup(
    params,
    ids,
    partition_strategy='mod',
    name=None,
    validate_indices=True,
    max_norm=None
)

功能：选取一个张量里面索引对应的行的向量

TensorFlow链接：https://tensorflow.google.cn/api_docs/python/tf/nn/embedding_lookup?hl=en

参数：

• params：张量或数组；
• id：对应的索引
• partition_strategy：partition_strategy是用于当len(params) > 1，params的元素分割不能整分的话，则前(max_id + 1) % len(params)多分一个id.
• 当partition_strategy = 'mod'的时候，13个ids划分为5个分区：[[0, 5, 10], [1, 6, 11], [2, 7, 12], [3, 8], [4, 9]]，也就是是按照数据列进行映射，然后再进行look_up操作。默认是mod
• 当partition_strategy = 'div'的时候，13个ids划分为5个分区：[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10], [11, 12]]，也就是是按照数据先后进行排序标序，然后再进行look_up操作。

 

 

（图来自https://www.jianshu.com/p/abea0d9d2436）

 

举例：

import numpy as np
A = tf.convert_to_tensor(np.array([[[1],[2]],[[3],[4]],[[5],[6]]]))
B = tf.nn.embedding_lookup(A, [[0,1],[1,0],[0,0]])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print('A',sess.run(A))
    print('A shape',A.shape)
    print('B',sess.run(B))
    print('B shape',B.shape)

结果：

A [[[1]
  [2]]

 [[3]
  [4]]

 [[5]
  [6]]]
A shape (3, 2, 1)
B [[[[1]
   [2]]

  [[3]
   [4]]]


 [[[3]
   [4]]

  [[1]
   [2]]]


 [[[1]
   [2]]

  [[1]
   [2]]]]
B shape (3, 2, 2, 1)

　　

　　

参考文献：

【1】tf.nn.embedding_lookup记录