Python 在字符级别编码文本以输入tensorflow模型的最有效方法是什么？

将字符级输入到Tensorflow模型中最有效的方法是什么（是的，字符级输入是必要的）

对于给定的字符串“hello”， 还有一个字符嵌入“abcdefghijklmnop…”（为了简洁起见省略了约150个字符），我尝试了以下方法：

1） 直接翻译示例：

[7,4,11,14] 
observation_space_shape = (max_length, char_embedding_length)

2） 一个热编码示例：

[`[0.0,0.0,0.0,0.0,0.0,1,0.0 ...], [...], ...] 

observation_space_shape = (max_length, char_embedding_length, 1)`

---

哪种方法最适合在大型文本输入（包含大量字符）上实现高效和有效的字符级编码，或者有更好的替代方案来替代我提出的上述解决方案？

由于字符词汇表（即字母表）相对较小，一种热编码是可行的解决方案。例如，这正是Andrew Karpath在中所做的（参见）

说到大型语料库应用程序，请看一个例子，它分析并生成类似莎士比亚的文本，一个字符接一个字符。您可以找到一个脚本：它在一个hot中对字符进行编码并将其馈送到RNN，并且工作得非常好

---

如果字符之间有语义上的相似性，比如单词之间的相似性，那么字符嵌入就更有用了。但是字符“a”与“b”和“z”同样相似，因此它们在这项任务中不是很有用。

我觉得一个热编码方法会占用大量内存和较大字符嵌入的训练时间，你也这么认为吗？如果是这样的话，你会建议如何解决这个问题？你是说字母表真的很大吗？因为即使对于单词嵌入

d=100

也是一个默认的维度（例如，在gensim中），并且它有点适用。我假设字母表的大小顺序相同。感谢您的回复，字符嵌入不一定限于字母字符，嵌入可能包括数字（0,1,2,3等）、符号（@#$%等）等字符，因此需要能够在字符嵌入中表示大量字符