这是一个非常简单的问题。我正在学习张量流，并使用Tensorflow转换我的numpy编写的代码。
我定义了字嵌入矩阵U = [embedding_size, vocab_size]，因此每列都是每个单词的嵌入向量。
我将U转换为TF，如下所示：
U = tf.Variable(tf.truncated_normal([embedding_size, vocab_size], -0.1, 0.1))
到目前为止，非常好。
现在我需要查找每个单词的嵌入进行训练。我认为它会是
tf.nn.embedding_lookup(U, word_index)
我的问题是因为我的嵌入是一个列向量，我需要在numpy中查找这个U[:,x[t]]。
TF如何确定需要通过word_index返回行OR列？
默认是什么？行或列？ 如果它是行向量，那么我是否需要转置嵌入矩阵？
https://www.tensorflow.org/api_docs/python/tf/nn/embedding_lookup 没有提到这一点。如果有人能指出我正确的资源，我会很感激。
答案 0 :(得分：1)
你应该是vocab_size x embedding_size，你现在拥有的转置。
答案 1 :(得分：1)
如果params是单个张量，tf.nn.embedding_lookup(params, ids)操作会将ids视为params中行的索引。如果params是张量变量列表或分区变量，那么ids仍然对应于这些张量中的行，但partition_strategy（"div"或"mod" ）确定ids映射到特定行的方式。
作为Aaron suggests，将嵌入U定义为具有[vocab_size, embedding_size]形状可能是最简单的，这样您就可以使用tf.nn.embedding_lookup()和related functions。
或者，您可以使用axis参数tf.gather()从U中选择列：
embedding = tf.gather(U, word_index, axis=1)