Keras 嵌入

嵌入层用作模型中的初始层，侧重于将正索引转换为固定大小的密集向量。例如 [[4], [20]] -> [[0.25, 0.1], [0.6, -0.2]]。

示例

参数

• input_dim：它指的是一个大于 0 的整数索引，表示词汇量大小。例如，最大索引整数必须为 +1。
• output_dim：它表示一个大于或等于 0 的整数索引，表示密集嵌入的维度。
• embeddings_initializer：它可以定义为 embeddings 的初始化器
• embeddings_regularizer：它指的是在 embeddings 上实现的正则化函数
• activity_regularizer：它是一个正则化函数，应用于其激活或该层的输出。
• embeddings_constraint：它定义为在 embeddings 上实现的约束函数
• mask_zero：对于输入值，无论为 0 还是不为 0，都指定要屏蔽的特殊“填充”值。它可以将输入作为可变长度，这在使用循环层时非常方便。如果设置为 True，则所有后续层都必须支持掩码。具体来说，如果 mask_zero 设置为 True，那么在这种情况下，索引 0 不能在词汇表中被使用，这意味着 input_dim 必须等于词汇表的大小 +1。
• input_length：当设置为静态时，它定义了输入序列的长度。 input_length 参数有助于确定密集输出的形状，因为它用于我们首先连接到 Flatten，然后是

输入形状

它是一个形状为 (batch_size, sequence_length) 的 2D 张量。

输出形状

它是一个形状为 (batch_size, sequence_length, output_dim) 的 3D 张量。