tf多值离散embedding方法

最新推荐文章于 2023-04-07 11:01:13 发布

转载最新推荐文章于 2023-04-07 11:01:13 发布 · 385 阅读

0 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/zhangbojiangfeng/p/10898293.html

文章标签：

#人工智能 #python

博客提及一个域下多值情况，最终输出是每个域（多值）的embedding值，多个值只输出一个embedding而非每个特征值都输出，最后输出为三行三列，还给出通用方法链接及转载来源。

https://www.jianshu.com/p/4a7525c018b2

注意：一个域下的多值情况，这里最终输出是直接给出来每个域的（多值）的embedding值，多个值的也只输出一个embedding，而不是每个域下每个特征值都输出一个embedding，所以，最后输出是三行三列。

https://blog.youkuaiyun.com/Gexyz/article/details/83107210 这个方法通用

转载于:https://www.cnblogs.com/zhangbojiangfeng/p/10898293.html

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

weixin_30920513

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

tf tensor与numpy转换，embedding_lookup、embedding_lookup_sparse使用，feature_column使用

weixin_42357472的博客

01-06

2403

1、 tensor与numpy转换 np.asarray([1,3,6,2]) #列表或元祖转array # numpy to tensor import numpy as np data_numpy = np.ones(5) mm = tf.convert_to_tensor(data_numpy) with tf.Session() as sess: print(mm.eval()) # tensor to numpy with tf.Session() as sess: print(

搞清楚TF中的Embedding

weixin_45337615的博客

10-11

1335

参考资料：详解TF中的Embedding操作官网Embedding教程文章目录1.为什么引入Embedding2. Embedding的工作原理2.1 由TF1进行Embedding过程解析后续补充...总结 1.为什么引入Embedding 在对词汇表中单词进行编码时若使用one-hot编码，存在以下问题：编码效率低下，假设我们的词汇表中有 10,000 个单词。为了对每个单词进行独热编码，我们将创建一个其中 99.99% 的元素都为零的向量。若使用唯一的数字编码每个单词，则存在以下问题：

参与评论您还未登录，请先登录后发表或查看评论

详解TF中的Embedding操作！

abcdefg90876的博客

05-26

3679

embedding大家都不陌生，在我们的模型中，只要存在离散变量，那么一般都会用到embedding操作。今天这篇，我们将按以下的章节来介绍TF中的embedding操作。什么是embedding？ tf1.x中的embedding实现，对比embedding_lookup和matmul tf1.x中与embedding类似操作，包括gather，ga...

embedding层_tf2.0实现embedding

weixin_39609953的博客

11-25

364

引自详解TF中的Embedding操作！1、什么是embedding？先来看看什么是embedding，我们可以简单的理解为，将一个特征转换为一个向量。在推荐系统当中，我们经常会遇到离散特征，如userid、itemid。对于离散特征，我们一般的做法是将其转换为one-hot，但对于itemid这种离散特征，转换成one-hot之后维度非常高，但里面只有一个是1，其余都为0。这种情况下，我们的通常...

关于tf中取embedding的小记录

like_red的博客

10-02

422

众所周知，tf对tensor的shape的要求非常严格，但是经常在使用embedding layer之后就忘记了输出的tensor的shape是什么样子的了，每次都会再去百度一下，所以专门记录一下。 embedding_lookup embedding_lookup是直接进行查询，不会进行combiner的。例如： idx = [batch_size, 1] 得到的结果将是 [batch_size, 1, embedding_size]； idx = [batch_size, seq_len] 得到的结果

tf.keras.layers.Embedding 嵌入层示例

weixin_44493841的博客

11-23

1693

import tensorflow as tf import numpy as np 将正整数（索引）转换为固定大小的密集向量。此层只能用作模型中的第一层 embedding = tf.keras.layers.Embedding(1000, 64, input_length=10) print(embedding) <tensorflow.python.keras.layers.embeddings.Embedding object at 0x000001F3B4355EB0> in

Tensorflow2的多值离散特征embedding处理

GQxxxxxl的博客

06-29

4556

最近项目需要用到对多值离散特征embedding处理，但是网上流行的都是tensorflow1的实现，用tensorflow2实现又踩了颇多API的坑，这里贴一下基于tensorflow2的代码以供朋友们参考。输入： 0 757713 757713 757713 718096 757713 613698 7577... 1 800752 800752 800752...

Tensorflow 多值离散特征嵌入的处理（对取值个数不定的特征嵌入的处理）

Dive的博客

04-08

1878

多值离散问题：有的特征只有一个固定的取值，但是有的特征有不确定个数的取值，在tensorflow中特征输入又需要一样的长度。比如一个电影的类型可以有多种等，对电影类型进行嵌入时就会遇到问题。多个类型时，可以把多个类型的嵌入向量求和、求平均、根号等等。一直不熟悉tensorflow，刚开始这个问题卡了我很久，还是记录一下吧。 1 tf.nn.embedding_lookup_sparse取平均刚...

01_文本向量表示(one-hot,TF-IDF,Embedding)学习总结(不对的地方欢迎留言指正)

zhulinfeng_w的博客

04-07

375

例如:文档数2个,包含[的] 也是2 idf = log(2/2) = 0 tf(的) = 100 tf*idf = 100 * 0 = 0,就把的过滤了。文章中的额图片是在网上找到的图,如有侵权请私信删除。本文借鉴了很多文章，仅作个人学习总结。，证明这个词对于这个文档的。

TensorFlow2中Embedding层的使用(tf.keras.layers.Embedding)

鹏啊鹏

04-10

6972

文章目录1 简介参数2 示例一2.1数据准备2.2 模型搭建与测试2.3 查看结果3 示例二 1 简介嵌入层将正整数（下标）转换为具有固定大小的向量，如==[[4],[20]]->[[0.25,0.1],[0.6,-0.2]]== Embedding层只能作为模型的第一层 tf.keras.layers.Embedding( input_dim, output_dim, embeddings_initializer='uniform', embeddings_regu

tf.nn.embedding_lookup用法

candy134834的博客

07-17

1675

with tf.device('/cpu:0'): #一共5000个字，每个字用64维表示 embedding = tf.get_variable('embedding', [5000, 64]) embedding_inputs = tf.nn.embedding_lookup(embedding, self.input_x) #测试：...

tf1.x究竟到底如何如何使用Embedding?

你的深度学习小站

01-29

1692

如何使用Embedding? 原理与使用方法如何使用Embedding?1. 什么是OneHot编码2. 什么是embedding？3. 如何在tf1.X中使用embedding？最近需要用到Embedding做特征嵌入，但是网上找不到embedding的具体用法，东拼西凑终于看懂了，写篇文章总结一下，顺便整理一下来龙去脉。 Embedding可以说是一种对离散特征进行编码的手段、而说到离散特征编码，相信大部分人第一是将会想到Onehot编码，举例回顾一下Onehot编码。 1. 什么是OneHot编码

Tensorflow：数据特征值的自变量为离散值

qq_40731332的博客

12-17

464

import pandas as pd from sklearn.utils import shuffle dataSet = pd.read_csv('input/mushrooms.csv') mapPto1Eto0 = {'p':1,'e':0} dataSet['class'] = dataSet['class'].map(mapPto1Eto0).astype('int') #将p...

一图看懂tf.nn.embedding_look函数内部运算过程

luckygirl0809的博客

04-16

2112

下图是本人亲笔画的示意图，忽略我不堪入目的字，内容最重要。下图是在我看《Tensorflow实战》这本书的Tensorflow实现LSTM的语言模型这一节过程中画的，主要是结合此例，用wi表示单词，wi的向量表达方式我以自己的理解方式举得例子，比如w1为[1,0,0,...,0,0]; w2为[0,1,0,...,0,0]; w3为[0,0,1,...,0,0] 等等。tf.nn.embeddin...

tensorflow学习笔记（二十六）：构建TF代码