Python 如何在Tensorflow中创建多维softmax输出?
我偶然看到YouTube发布的这篇研究论文,是关于他们如何使用深度学习神经网络进行推荐的。它位于这里: 在本文中,候选生成神经网络模型输出256维的softmax,作为1M视频类中每个视频类的“输出嵌入” 例如,如何在Tensorflow中实现这一点?softmax不应该是一维的吗。如果模型像他们说的那样输出这样的“嵌入”,那么训练数据的标签将如何格式化为256维?换句话说,他们如何计算训练数据集中每个视频的256维向量 此外,当训练数据集中的标签是特定类的热编码时,是否可以创建输出嵌入层。换句话说,输出层可以自动学习输出类的嵌入吗 非常感谢你们的时间和帮助,伙计们 更新:Python 如何在Tensorflow中创建多维softmax输出?,python,machine-learning,tensorflow,deep-learning,softmax,Python,Machine Learning,Tensorflow,Deep Learning,Softmax,我偶然看到YouTube发布的这篇研究论文,是关于他们如何使用深度学习神经网络进行推荐的。它位于这里: 在本文中,候选生成神经网络模型输出256维的softmax,作为1M视频类中每个视频类的“输出嵌入” 例如,如何在Tensorflow中实现这一点?softmax不应该是一维的吗。如果模型像他们说的那样输出这样的“嵌入”,那么训练数据的标签将如何格式化为256维?换句话说,他们如何计算训练数据集中每个视频的256维向量 此外,当训练数据集中的标签是特定类的热编码时,是否可以创建输出嵌入层。换句
第4页第3.5节(前几行)中讨论这一点的文章部分我没有读到他们是如何获得256-D嵌入的,但将softmax应用到这一点应该不是问题。您可以沿矩阵的行轴使用softmax激活。然后,softmax将应用于256-D的每一行。实际上,它在文章中是这样说的。查看第4页第3.5节。那么,我们如何创建一个不仅具有softmax激活,而且还为1M类(本例中为视频)中的每个类生成256维向量的最终层呢?谢谢