如何在Tensorflow中投影我的word2vec模型

我不熟悉单词嵌入，想知道如何在Tensorflow中投影我的模型。我在看tensorflow网站，它只接受tsv文件（矢量/元数据），但不知道如何生成所需的tsv文件。我已经试着去查了一下，但找不到任何解决办法来重新命名这个。我会尝试以tsv文件格式保存我的模型吗？我需要做一些转换吗？任何帮助都将不胜感激

我已将模型保存为以下文件，并在需要时将其加载：

word2vec.model

word2vec.model.wv.vectors.npy

---

假设您正在尝试将一些预先训练好的Gensim word嵌入到模型中，您可以直接使用以下代码来完成此操作

import numpy
import tensorflow as tf
from   gensim.models import KeyedVectors

# Load the word-vector model
wvec_fn = 'wvecs.kv'
wvecs = KeyedVectors.load(wvec_fn, mmap='r')
vec_size = wvecs.vector_size
vocab_size = len(wvecs.vocab)

# Create the embedding matrix where words are indexed alphabetically
embedding_mat = numpy.zeros(shape=(vocab_size, vec_size), dtype='int32')
for idx, word in enumerate(sorted(wvecs.vocab)):
    embedding_mat[idx] = wvecs.get_vector(word)

# Setup the embedding matrix for tensorflow
with tf.variable_scope("input_layer"):
    embedding_tf = tf.get_variable(
       "embedding", [vocab_size, vec_size],
        initializer=tf.constant_initializer(embedding_mat),
        trainable=False)

# Integrate this into your model
batch_size = 32     # just for example
seq_length = 20
input_data = tf.placeholder(tf.int32, [batch_size, seq_length])
inputs = tf.nn.embedding_lookup(embedding_tf, input_data)

---

如果您保存了一个模型而不仅仅是KeyedVectors，则可能需要修改代码以加载模型，然后使用

model.wv

干杯，我将尝试！所以它的代码运行良好，但我不知道它在做什么。我能请你解释一下你的流程吗？每一步上面都有一行评论。除此之外，我不知道还能说些什么。对于嵌入的更一般的解释，您可以尝试通过谷歌搜索和阅读一些博客。看一看。还有一些人也在做类似的事情。