Python 什么'；在TensorFlow中嵌入查找稀疏是什么意思？

我们花了很多时间阅读的API文档。

embedded\u lookup\u sparse

的含义令人困惑，它似乎与

embedded\u lookup

大不相同

这是我的想法，如果我错了，请纠正我。宽深模型的示例使用

contrib.layers

api，并调用

embedded\u lookup\u sparse

实现稀疏特征列。如果它得到SparseTensor（例如，country，它是稀疏的），它将创建一个实际上是针对一个主机编码的嵌入。然后调用

to_weights\u sum

，将

embedded\u lookup\u sparse

的结果作为

prediction

返回，将嵌入作为

变量返回

embedded\u lookup\u sparse
add
bias
的结果，并成为损失函数和训练操作的
logits
。这意味着
embedding\u lookup\u sparse
对稠密张量执行类似于
w*x
（y=w*x+b

的一部分）的操作

可能对于一个热编码或稀疏传感器，来自

embedded\u lookup\u sparse

的

weight

实际上是

w*x

的值，因为查找数据总是

1

，不需要添加其他

0

s

---

我所说的也令人困惑。有人能详细解释一下吗？

嵌入查找和嵌入查找稀疏的主要区别在于稀疏版本要求id和权重为SparseTensor类型

嵌入查找的工作原理：

您传入一个大小一定的张量，Embedded_lookup_sparse会将张量的切片（由sp_id参数引用的切片）乘以某个权重（也作为sp_权重传入；默认值为1），然后返回新切片

不存在偏差项。您可以通过引用多个要包含在输出中的元素，将张量的切片添加到一起