我是tensorflow的新手，并试图查看tensorflow的不同示例以更好地理解它。
现在我已经看到了很多张量流示例中都使用了这一行，而没有提到用于获取单词嵌入的任何特定的嵌入算法。
embeddings = tf.Variable(tf.random_uniform((vocab_size, embed_dim), -1, 1))
embed = tf.nn.embedding_lookup(embeddings, input_data)
以下是一些示例：
我知道第一行将通过随机分布来初始化单词的嵌入，但是将在模型中进一步训练嵌入向量以给出单词的更准确表示（并将初始随机值更改为更准确的数字）如果是，并且在没有提及任何明显的嵌入方法的情况下，例如在代码内部使用word2vec和手套（或在开始时提供这些方法的预先保留的向量而不是随机数），那么实际使用的方法是什么？
答案 0 :(得分：0)
是的，这些嵌入的训练就像weights和biases一样，否则用一些随机值表示单词将毫无意义。像在训练weight矩阵时那样更新这些嵌入，就像使用诸如Gradient Descent或Adam优化器之类的优化方法那样来更新矩阵。
当我们使用word2vec之类的预训练嵌入时，它们已经在非常大的数据集上进行了训练，并且已经非常精确地表示了单词，因此，它们不需要任何进一步的训练。如果您要询问如何训练它们，可以使用两种主要的训练算法来学习文本的嵌入；它们是连续词袋（CBOW）和跳过克。在这里无法完全解释它们，但我建议您从Google获得帮助。 This文章可能会让您入门。