keras 中 Embedding层input_dim,output_dim个人理解

本文深入解析了Keras中的Embedding层,解释了如何通过该层将单词索引转换为向量表示,介绍了input_dim和output_dim参数的含义及使用方法。input_dim参数代表词汇表大小,即最大整数索引+1;output_dim则定义了密集向量的维度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

from keras.layers.embeddings import Embedding
Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)

  • input_dim: int > 0. Size of the vocabulary, i.e. maximum integer index + 1.
  • output_dim: int >= 0. Dimension of the dense embedding.
  • embeddings_initializer: Initializer for the embeddings matrix (see initializers).

上面只是列出了常用参数,其中input_dim便是词汇长度+1,我个人理解是,Embedding功能是将单词索引变为向量表示,这个过程,便是一个降维的过程,所以你的输入维度便是你的最大数字加一
在这里插入图片描述
可以看出,我输入数组中最大数字是3,所以我的input_dim便要比3要大1,其中output_dim便是输出维度,就如同CNN最后的全连接层一样,上面我设置的5,便将每一位要表示的数字变为用1x5来表示的向量。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值