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：

---

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