使用张量流

Question

假设我的数据有25个功能。在Keras，我可以轻松地为每个输入要素实现Embedding图层，并将它们合并在一起以提供给以后的图层。

我看到tf.nn.embedding_lookup接受id参数，该参数可以只是一个普通整数或一个整数数组（[1,2,3，..]）。但是，要素输入通常具有

形状

x = tf.placeholder(tf.float32, [None, in_feature_num]) 

我可以使用

将功能拆分为自己的功能

X = tf.split(1,in_feature_num,x)

并且每个特征输入的形状为[？，1]。但是embedding_lookup没有形成[？，1]的形状，而且由于我们没有指定的行长度，我不能reshape或unpack形状如此[？]。

那么，我怎样才能转换像

这样的输入

[[1],
 [2],
 [3],
  ...
]

进入这样的嵌入表示：

[
  [....], #a vector
  [....], #a vector
  [....], #a vector 
   ...
]

相关的帖子有：What does tf.nn.embedding_lookup function do?和TensorFlow Embedding Lookup 但那些帖子并没有解决我的问题。

Answer 1

我想我知道你的意思。问题是这些功能有哪些？如果它们是数字的，那么您实际上并不需要嵌入层 - 您可以使用完全连接的层。但是，如果他们是绝对的，我认为你有两个选择： 1.为每个特征单独嵌入（因此你最终会有25个嵌入层，需要连接） 2.首先将功能合并为一个