在lstm语言模型中使用预先训练的word2vec？

Question

我使用tensorflow训练LSTM语言模型，代码来自here。

根据文章here，似乎如果我使用预先训练过的word2vec，它会更好。

  

使用word嵌入（如word2vec和GloVe）是提高模型准确性的常用方法。使用word2vec或GloVe学习的低维向量不是使用单热矢量来表示我们的单词，而是带有语义 - 类似的单词具有相似的向量。使用这些载体是一种预训练形式。

所以，我想用word2vec来重做训练，但我对如何做到这一点感到有些困惑。

嵌入代码在这里：

with tf.device("/cpu:0"):
  embedding = tf.get_variable(
      "embedding", [vocab_size, size], dtype=data_type())
  inputs = tf.nn.embedding_lookup(embedding, input_.input_data)

如何更改此代码以使用预先培训的word2vec？