PyTorch nn.Embedding介绍
nn.Embedding 是 PyTorch 中用于将离散的整数索引（代表类别或符号）转换为连续向量表示的层。这个嵌入层特别适合用于自然语言处理、序列数据、推荐系统、以及生物信息学中的离散符号编码（如氨基酸序列等）等任务。
一、nn.Embedding 的定义和参数
nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False)
参数说明
num_embeddings(int)：嵌入矩阵的行数，即可表示的类别总数。例如，对于 21 个氨基酸和一个 gap 符号，num_embeddings=21+1=22。embedding_dim(int)：嵌入向量的维度大小。比如embedding_dim=64表示每个类别会映射成一个 64 维的向量。padding_idx(int, 可选)：指定填充索引（padding index），填充索引所对应的嵌入向量始终输出零向量。用于处理变长序列。max_norm(float, 可选)：限制嵌入向量的最大范数，超过该值会被缩放到这个范围。
原文地址：https://blog.csdn.net/qq_27390023/article/details/143735589
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！