使用张量流实现嵌入层

Question

假设我的数据有25个特征。在Keras中，我可以轻松地为每个输入特征实现一个Embedding图层，并将它们合并到一起以供给后面的图层。

我看到tf.nn.embedding_lookup接受一个id参数，它可能只是一个普通整数或一个整数数组（[1,2,3，..]）。然而，特征输入往往形状

x = tf.placeholder(tf.float32, [None, in_feature_num]) 

我可能分裂特征自身的是通过使用

X = tf.split(1,in_feature_num,x) 

和每个功能输入是形状的[？，1]。但是embedding_lookup没有形成[？，1]的形状，并且由于我们没有指定的行长度，所以我不能将它的形状设置为[？]，例如reshape或unpack。

所以，我怎么能变换像

[[1], 
[2], 
[3], 
    ... 
] 

一个输入到嵌入表示这样的：

[ 
    [....], #a vector 
    [....], #a vector 
    [....], #a vector 
    ... 
] 

SO岗位相关的：What does tf.nn.embedding_lookup function do?和TensorFlow Embedding Lookup 但这些职位不解决我的问题。

Answer 1

我想我知道你的意思。问题是什么功能？如果它们是数字的，那么你并不需要一个嵌入层 - 你可以使用一个完全连接的层。但是，如果它们是绝对的，我认为你有两种选择： 1.为每个特征分别嵌入（所以你最终将得到25个嵌入层，这将需要连接） 2.将这些特征合并成一个特征第一个