Python tensorflow word2vec教程如何更新嵌入?
这条线索很接近: 但我在解释这一点时仍然遗漏了一些东西: 据我所知,你向网络提供了词典中目标词和上下文词的索引Python tensorflow word2vec教程如何更新嵌入?,python,tensorflow,word2vec,word-embedding,Python,Tensorflow,Word2vec,Word Embedding,这条线索很接近: 但我在解释这一点时仍然遗漏了一些东西: 据我所知,你向网络提供了词典中目标词和上下文词的索引 _, loss_val = session.run([optimizer, loss], feed_dict=feed_dict) average_loss += loss_val 然后查找批输入以返回在开始时随机生成的向量 embeddings = tf.Variable( tf.random_uniform([vocabulary_size, embedding_
_, loss_val = session.run([optimizer, loss], feed_dict=feed_dict)
average_loss += loss_val
然后查找批输入以返回在开始时随机生成的向量
embeddings = tf.Variable(
tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
# Look up embeddings for inputs.
embed = tf.nn.embedding_lookup(embeddings, train_inputs)
然后,优化器调整权重和偏差,以最好地预测标签,而不是num_抽样随机备选方案
loss = tf.reduce_mean(
tf.nn.nce_loss(weights=nce_weights,
biases=nce_biases,
labels=train_labels,
inputs=embed,
num_sampled=num_sampled,
num_classes=vocabulary_size))
# Construct the SGD optimizer using a learning rate of 1.0.
optimizer = tf.train.GradientDescentOptimizer(1.0).minimize(loss)
我的问题如下:
final\u嵌入
向量得到最终结果。但是我不明白从它的随机初始化到嵌入在哪里发生了变化
嵌入:嵌入是一个变量。每次执行backprop时,它都会得到更新(在丢失的情况下运行optimizer) Grpah:是否尝试保存图形并在tensorboard中显示?这就是你要找的吗 批处理:至少在您链接的示例中,他正在使用第96行的函数进行批处理
如果我误解了你的问题,请纠正我 因此,您建议优化器同时更新嵌入和权重/偏差?