我开始使用Keras构建神经网络模型 .
我有一个分类问题，其中的功能是离散的 . 为了管理这种情况，标准过程包括使用单热编码转换二进制数组中的离散特征 .
然而，似乎使用Keras这一步骤不是必需的，因为可以简单地使用嵌入层来创建这些离散特征的特征向量表示 .
如何执行这些embeddings？
我的理解是，如果离散特征 f 可以假设 k 值，则嵌入层会创建一个包含 k 列的矩阵 . 每次我在训练阶段收到该功能的值（例如 i ）时，只会更新矩阵的 i 列 .
我的理解是否正确？
1 回答
人们可能很容易注意到 - 一个
one-hot向量与Embedding矩阵的乘法可以在一个恒定的时间内有效地执行，因为它可以被理解为矩阵切片 . 而这正是Embedding层在计算过程中所做的事情 . 它只是使用gather后端函数选择适当的索引 . 这意味着您对Embedding图层的理解是正确的 .