首页 文章

在运行时将连接功能连接到输入层的字嵌入

提问于
浏览 次
2

假设我在嵌入查找后得到一个输入矩阵，如下所示：

[[[868555]，[ 0.8. 0.12, 0.63, 0.97 ]，[28868557]]，...，[[...]]] i . ，e，每个嵌入都是dim = 4，句子长度是3，如上述情况所示 .

我们如何使用Tensorflow / TFLearn或Theano中的占位符动态地（即在运行时）对应于句子中的每个单词添加dim的特征向量？所以 final input will be of dim = embedding_dim + feature_dim.

P.S：输入矩阵是形状[x y z]的3D张量，x =批量的句子数，y =句子中的单词数（包括填充） . z =嵌入维度 . 最终形状为[x y z 2] .

python tensorflow deep-learning theano feature-extraction

1 回答

  • 4

    在Tensorflow中，您可以创建所需形状[x，y，2]的占位符，然后使用tf.concat将其连接到输入Tensor . 假设“输入”是你的[x，y，z]嵌入Tensor，你可以这样做：

    features = tf.placeholder(tf.float32, [x, y, 2])
new_inputs = tf.concat(2, [inputs, features]) # Concatenate along the 3rd dimension
    回复于

相关问题