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] .
1 回答
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: