第N2周:Embeddingbag与Embedding详解

  • 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
  • 🍖 原作者:K同学啊 | 接辅导、项目定制
  • 🚀 文章来源:K同学的学习圈子

目录

什么是词嵌入?

Embedding与EmbeddingBag详解

Embedding

EmbeddingBag

实际意义:

任务:


什么是词嵌入?

词嵌入(Word Embedding)是NLP中的一个重要概念,用于将单词映射到一个连续的向量空间中,这样相似的单词在向量空间中距离更近。

词嵌入是一种用于表示文本的向量化方法,它将单词或短语映射到一个固定大小的实数向量。例如,“猫”(cat)和“狗”(dog)这样的单词在语义上相似,因此它们的词嵌入向量在向量空间中会相距较近。常用的词嵌入方法包括:

  1. Word2Vec:一种预测模型,训练目标是通过上下文预测中心词或通过中心词预测上下文词。
  2. GloVe(Global Vectors for Word Representation):一种基于词共现矩阵的词嵌入方法,通过矩阵分解来获取词向量。
  3. FastText:扩展了Word2Vec,考虑了单词内部的子词信息,使其对拼写错误和形态变化更具鲁棒性。

Embedding与EmbeddingBag详解

在深度学习中,尤其是使用PyTorch等框架时,常见的词嵌入层包括EmbeddingEmbeddingBag。它们的作用和使用场景有所不同。

Embedding

Embedding层用于将输入的单词索引转换为对应的词嵌入向量。其基本功能是查找词嵌入矩阵中对应索引的行,并返回这些行作为输出。

特点

  • 输入:一个或多个单词索引(整数)。
  • 输出:对应的词嵌入向量。
  • 用途:适用于大多数需要词嵌入的NLP模型,如RNN、LSTM、Transformer等。

EmbeddingBag

EmbeddingBag层类似于Embedding层,但它增加了一步,将多个嵌入向量的结果进行合并(如求和或平均),常用于处理稀疏特征或词袋模型(Bag of Words)。

特点

  • 输入:单词索引和偏移量(用于指示每个“袋”的起始位置)。
  • 输出:每个“袋”的合并向量(如求和、平均)。
  • 用途:适用于需要处理文本段落或词袋模型的情况,尤其是在需要高效处理多个嵌入合并操作时。

总结来说,EmbeddingEmbeddingBag都是用于词嵌入的层,但EmbeddingBag提供了更高效的批量合并操作,适用于需要对多个词嵌入向量进行合并计算的场景。

实际意义:

EmbeddingEmbeddingBag层本身并不限定使用哪种词嵌入方法,它们是深度学习框架(如PyTorch)中的模块,用于将输入的单词索引映射到预定义的词嵌入向量空间。这些词嵌入向量可以通过多种方式获得,包括预训练的词嵌入模型(如Word2Vec、GloVe、FastText)或者是从头开始训练的自定义词嵌入。

任务:

加载附件中的.txt文件,并使用EmbeddingBag和Embedding完成词嵌入

下面是用Embedding、EmbeddingBag测试的案例:

import torch
import torch.nn.functional as F
import jieba
import torch.nn as nntexts = ['比较直观的编码方式是采用上面提到的字典序列。例如,对于一个有三个类别的问题,可以用1、2和3分别表示这三个类别。但是,这种编码方式存在一个问题,就是模型可能会错误地认为不同类别之间存在一些顺序或距离关系,而实际上这些关系可能是不存在的或者不具有实际意义的。为了避免这种问题,引入了one-hot编码(也称独热编码)。one-hot编码的基本思想是将每个类别映射到一个向量,其中只有一个元素的值为1,其余元素的值为0。这样,每个类别之间就是相互独立的,不存在顺序或距离关系。例如,对于三个类别的情况,可以使用如下的one-hot编码']# 使用结巴分词
tokenized_texts = [list(jieba.cut(text)) for text in texts]
# 构建词汇表
word_index = {}
index_word = {}
# 枚举分词结果,将序列填入索引
for i, word in enumerate(set([word for text in tokenized_texts for word in text])):word_index[word] = iindex_word[i] = word# 将文本转化为整数序列
sequences = [[word_index[word] for word in text] for text in tokenized_texts]# 获取词汇表大小
vocab_size = len(word_index)# 将整数序列转化为one-hot编码one_hot_results = torch.zeros(len(texts), vocab_size)
for i, seq in enumerate(sequences):one_hot_results[i, seq] = 1print("词汇表:")
print(word_index)
print("\n 文本:")
print(texts)
print("\n 分词结果:")
print(tokenized_texts)
print("\n 文本序列:")
print(sequences)
print("\n One-hot 编码:")
print(one_hot_results)##############Embedding 转换词嵌入量########################
embedding_dim = 4  # 迁入向量的维度
embedding = nn.Embedding(vocab_size, embedding_dim)
input_sequence1 = torch.tensor(sequences, dtype=torch.long)
embedding_sequence1 = embedding(input_sequence1)
print("\n embedding 编码:")
print(embedding_sequence1)
####################################################EmbeddingBag 转换词嵌入量########################
embedding_dim = 4  # 迁入向量的维度
embedding_bag = nn.EmbeddingBag(vocab_size, embedding_dim, mode='mean')
input_sequence2 = torch.tensor(sequences, dtype=torch.long)
embedding_sequence1 = embedding_bag(input_sequence2)
print("\n embedding 编码:")
print(embedding_sequence1)
######################################

运行结果:

Building prefix dict from the default dictionary ...
Dumping model to file cache C:\WINDOWS\TEMP\jieba.cache
Loading model cost 0.989 seconds.
Prefix dict has been built successfully.
词汇表:
{'hot': 0, 'one': 1, '使用': 2, '关系': 3, '为': 4, '就是': 5, '和': 6, '字典': 7, '0': 8, '了': 9, ',': 10, '不': 11, '问题': 12, '认为': 13, '每个': 14, '3': 15, '直观': 16, '用': 17, '分别': 18, '思想': 19, '1': 20, '将': 21, '比较': 22, '基本': 23, '编码方式': 24, '具有': 25, '这样': 26, '编码': 27, '序列': 28, '可以': 29, '只有': 30, '如下': 31, '而': 32, '提到': 33, '距离': 34, '实际上': 35, '之间': 36, '例如': 37, '情况': 38, '模型': 39, '错误': 40, '或者': 41, '顺序': 42, '采用': 43, '。': 44, '这种': 45, '也': 46, '独立': 47, '独热': 48, ')': 49, '有': 50, '2': 51, '表示': 52, '不同': 53, '引入': 54, '上面': 55, '三个': 56, '存在': 57, '会': 58, '地': 59, '称': 60, '这': 61, '这些': 62, '向量': 63, '但是': 64, '-': 65, '值': 66, '避免': 67, '元素': 68, '类别': 69, '可能': 70, '(': 71, '的': 72, '其中': 73, '是': 74, '、': 75, '一个': 76, '为了': 77, '一些': 78, '其余': 79, '或': 80, '到': 81, '对于': 82, '实际意义': 83, '映射': 84, ' 相互': 85}文本:
['比较直观的编码方式是采用上面提到的字典序列。例如,对于一个有三个类别的问题,可以用1、2和3分别表示这三个类别。但是,这 种编码方式存在一个问题,就是模型可能会错误地认为不同类别之间存在一些顺序或距离关系,而实际上这些关系可能是不存在的或者不具有实际意义的。为了避免这种问题,引入了one-hot编码(也称独热编码)。one-hot编码的基本思想是将每个类别映射到一个向量,其中只有一个元素的值为1,其余元素的值为0。这样,每个类别之间就是相互独立的,不存在顺序或距离关系。例如,对于三个类别的情况,可以使用如下的one-hot编码']分词结果:
[['比较', '直观', '的', '编码方式', '是', '采用', '上面', '提到', '的', '字典', '序列', '。', '例如', ',', '对于', '一 个', '有', '三个', '类别', '的', '问题', ',', '可以', '用', '1', '、', '2', '和', '3', '分别', '表示', '这', '三个', ' 类别', '。', '但是', ',', '这种', '编码方式', '存在', '一个', '问题', ',', '就是', '模型', '可能', '会', '错误', '地', '认为', '不同', '类别', '之间', '存在', '一些', '顺序', '或', '距离', '关系', ',', '而', '实际上', '这些', '关系', '可能', '是', '不', '存在', '的', '或者', '不', '具有', '实际意义', '的', '。', '为了', '避免', '这种', '问题', ',', '引入', '了', 'one', '-', 'hot', '编码', '(', '也', '称', '独热', '编码', ')', '。', 'one', '-', 'hot', '编码', '的', '基本', '思想', '是', '将', '每个', '类别', '映射', '到', '一个', '向量', ',', '其中', '只有', '一个', '元素', '的', '值', '为', '1', ',', '其余', '元素', '的', '值', '为', '0', '。', '这样', ',', '每个', '类别', '之间', '就是', '相互', '独立', '的', ',', '不', '存在', '顺序', '或', '距离', '关系', '。', '例如', ',', '对于', '三个', '类别', '的', '情况', ',', '可以', '使用', '如下', '的', 'one', '-', 'hot', '编码']]文本序列:
[[22, 16, 72, 24, 74, 43, 55, 33, 72, 7, 28, 44, 37, 10, 82, 76, 50, 56, 69, 72, 12, 10, 29, 17, 20, 75, 51, 6, 15, 18, 52, 61, 56, 69, 44, 64, 10, 45, 24, 57, 76, 12, 10, 5, 39, 70, 58, 40, 59, 13, 53, 69, 36, 57, 78, 42, 80, 34, 3, 10, 32, 35, 62, 3, 70, 74, 11, 57, 72, 41, 11, 25, 83, 72, 44, 77, 67, 45, 12, 10, 54, 9, 1, 65, 0, 27, 71, 46, 60, 48, 27, 49, 44, 1, 65, 0, 27, 72, 23, 19, 74, 21, 14, 69, 84, 81, 76, 63, 10, 73, 30, 76, 68, 72, 66, 4, 20, 10, 79, 68, 72, 66, 4, 8, 44, 26, 10, 14, 69, 36, 5, 85, 47, 72, 10, 11, 57, 42, 80, 34, 3, 44, 37, 10, 82, 56, 69, 72, 38, 10, 29, 2, 31, 72, 1, 65, 0, 27]]One-hot 编码:
tensor([[1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.,1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1., 1.]])embedding 编码:
tensor([[[ 5.2550e-01,  1.9887e-02, -9.8271e-02,  8.0132e-01],[-1.1576e+00, -4.5727e-01,  1.7146e-01,  3.0541e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 4.8677e-04,  1.2265e+00, -2.6105e+00,  7.1871e-01],[ 9.1623e-01,  4.9972e-01, -5.1998e-02,  4.3566e-02],[ 2.4070e+00,  1.1358e+00, -7.8524e-01, -1.5875e+00],[-4.2295e-01,  2.0979e+00,  3.9425e-01, -1.1051e+00],[-1.0663e+00, -1.5422e+00, -1.0783e+00,  6.8344e-02],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[-2.8018e+00,  6.4410e-01,  8.5853e-01,  6.3849e-01],[-4.7692e-01,  7.9306e-01, -1.1008e-01, -6.7091e-01],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[ 2.2390e+00,  3.0340e-01, -7.2565e-01, -1.3215e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[-1.7030e+00,  1.0905e+00, -1.3059e+00, -1.6116e+00],[ 7.0688e-01,  7.1007e-01, -9.3194e-01,  9.9401e-01],[-2.7584e-01,  4.1012e-01,  2.6101e+00,  8.1666e-01],[-1.3418e+00, -4.2823e-01,  1.5904e+00,  7.3380e-01],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 1.3885e+00, -1.4760e+00,  6.2447e-01, -1.6541e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 1.7421e-02, -1.5721e-01, -1.5607e+00,  2.2232e+00],[-9.1910e-01,  1.0240e+00, -1.2434e+00,  7.8687e-01],[ 1.6859e-01, -7.8852e-01, -7.4477e-01, -1.0226e+00],[ 6.9607e-01,  6.7471e-01, -4.6311e-01,  4.5362e-01],[ 9.8886e-02,  5.4591e-01,  1.5481e-01, -7.8513e-02],[-5.6480e-01,  4.2843e-01, -1.1697e-01,  1.6067e+00],[ 9.0432e-01, -7.8480e-02, -5.9054e-01, -6.9308e-01],[-4.4502e-02,  2.5217e-01, -1.3657e+00,  9.6171e-02],[ 6.6800e-01, -6.6834e-01,  3.2268e-01,  2.1035e-01],[-9.5459e-01, -4.8327e-01,  6.0239e-01, -1.2383e+00],[-1.3418e+00, -4.2823e-01,  1.5904e+00,  7.3380e-01],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[-6.4582e-02, -9.8831e-01, -8.2063e-02,  1.6691e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[-2.8812e-01, -1.4354e+00, -8.6487e-01,  1.0483e+00],[ 4.8677e-04,  1.2265e+00, -2.6105e+00,  7.1871e-01],[-4.7124e-02, -6.1739e-01, -2.5240e+00, -4.2321e-01],[ 7.0688e-01,  7.1007e-01, -9.3194e-01,  9.9401e-01],[ 1.3885e+00, -1.4760e+00,  6.2447e-01, -1.6541e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 1.1148e-02,  2.5174e-01, -1.3927e+00,  3.7848e-01],[ 6.7311e-02,  1.2060e+00, -5.0407e-01,  1.9390e+00],[ 4.2941e-01,  2.7858e-01, -6.2213e-01,  4.4208e-01],[-8.8930e-01,  8.5292e-01, -1.0919e+00, -2.8890e-01],[ 2.2864e-01,  2.9618e-01,  5.7872e-02,  4.9681e-01],[ 2.1776e-01,  1.2461e+00, -6.4915e-02,  7.3793e-01],[-1.2868e+00,  9.3839e-01,  1.4411e+00,  9.7180e-01],[ 1.1240e+00,  4.6753e-01, -1.2397e+00,  5.3802e-02],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[ 2.4551e-01,  1.4764e-01, -3.5595e-01,  1.6392e+00],[-4.7124e-02, -6.1739e-01, -2.5240e+00, -4.2321e-01],[ 4.5295e-01, -3.5783e-01, -3.2247e-01,  8.2087e-01],[ 9.6736e-01,  2.3230e-01,  1.3729e+00, -2.0379e+00],[-1.1857e+00,  2.6152e-01,  3.1518e-01, -6.5916e-01],[ 1.7848e-01, -1.3814e+00,  9.4356e-01, -3.3962e-02],[-2.1846e+00, -1.2893e+00,  7.0446e-01, -8.0214e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 8.5203e-01,  2.2943e-01,  1.8662e+00, -1.2701e+00],[ 8.3825e-01,  9.0672e-01,  1.2148e-01,  9.6771e-01],[-2.5351e-01,  8.8273e-01, -1.1798e+00,  1.5714e-01],[-2.1846e+00, -1.2893e+00,  7.0446e-01, -8.0214e-01],[ 4.2941e-01,  2.7858e-01, -6.2213e-01,  4.4208e-01],[ 9.1623e-01,  4.9972e-01, -5.1998e-02,  4.3566e-02],[ 6.4974e-01, -5.2605e-01, -1.1821e+00, -6.4189e-01],[-4.7124e-02, -6.1739e-01, -2.5240e+00, -4.2321e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[-1.3678e+00, -9.5186e-01, -6.9441e-01,  5.4439e-01],[ 6.4974e-01, -5.2605e-01, -1.1821e+00, -6.4189e-01],[-4.8194e-01,  5.8015e-01, -2.2228e-01,  7.7587e-01],[ 1.0840e+00,  9.2214e-01,  3.3811e-02, -7.2933e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[ 6.0966e-01, -8.1568e-01,  3.8467e-02, -1.0044e+00],[ 8.8527e-01, -1.0440e+00, -2.4492e-01, -3.5171e-01],[-2.8812e-01, -1.4354e+00, -8.6487e-01,  1.0483e+00],[ 1.3885e+00, -1.4760e+00,  6.2447e-01, -1.6541e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[-1.7151e-01,  3.7887e-01,  2.9000e+00,  5.7696e-01],[-8.9395e-01,  2.6079e+00, -8.9244e-01,  1.1024e-01],[-4.6333e-01, -7.6318e-01, -1.6272e+00,  1.1206e+00],[ 1.2328e-01, -1.1096e+00, -1.4897e+00, -1.5095e+00],[ 5.4554e-01, -1.6514e+00, -1.4589e+00,  3.4808e-01],[ 1.5150e+00, -1.0228e-01, -9.7248e-01, -3.1797e-01],[ 1.0318e+00,  2.5763e-01,  1.6841e+00, -2.3078e+00],[ 1.8831e-01,  1.2562e+00, -2.3766e-02,  3.7697e-01],[-1.6851e+00,  4.9356e-01,  4.0918e-01, -7.5208e-01],[-3.5105e-01,  3.9477e-01, -1.6126e-01,  1.0557e-01],[ 1.5150e+00, -1.0228e-01, -9.7248e-01, -3.1797e-01],[ 2.4176e-01,  6.1063e-01,  7.0280e-02,  6.3428e-01],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[-4.6333e-01, -7.6318e-01, -1.6272e+00,  1.1206e+00],[ 1.2328e-01, -1.1096e+00, -1.4897e+00, -1.5095e+00],[ 5.4554e-01, -1.6514e+00, -1.4589e+00,  3.4808e-01],[ 1.5150e+00, -1.0228e-01, -9.7248e-01, -3.1797e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 7.3359e-01, -1.2717e+00,  1.7727e+00,  4.2982e-01],[ 1.6822e-01,  1.5904e+00, -1.1690e+00, -1.9367e+00],[ 9.1623e-01,  4.9972e-01, -5.1998e-02,  4.3566e-02],[-6.3116e-01,  5.3704e-01, -1.8506e-01,  1.8058e-01],[ 1.2415e+00, -2.9651e-01,  3.6977e-01,  1.2185e-01],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[-1.3092e+00, -4.7501e-01, -5.1899e-01, -9.2423e-02],[-6.0952e-01, -1.4612e-02,  8.4981e-01,  1.8167e+00],[ 7.0688e-01,  7.1007e-01, -9.3194e-01,  9.9401e-01],[-1.0607e+00, -1.4019e+00, -7.9009e-01, -4.7775e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[-2.5188e-02, -1.1875e-01,  1.4506e+00, -3.7768e-01],[-6.8769e-01, -5.5753e-01, -3.5104e-01,  1.5053e+00],[ 7.0688e-01,  7.1007e-01, -9.3194e-01,  9.9401e-01],[ 1.3097e-01, -1.5397e-01, -1.6019e+00,  8.4426e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 1.1246e-01, -5.9679e-01,  1.1860e+00,  3.9394e-01],[ 1.1496e+00,  1.4256e+00,  3.2223e-01,  7.6917e-01],[ 1.6859e-01, -7.8852e-01, -7.4477e-01, -1.0226e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 1.4580e+00,  3.5233e-01,  3.9191e-01, -2.2870e-01],[ 1.3097e-01, -1.5397e-01, -1.6019e+00,  8.4426e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 1.1246e-01, -5.9679e-01,  1.1860e+00,  3.9394e-01],[ 1.1496e+00,  1.4256e+00,  3.2223e-01,  7.6917e-01],[-1.0514e+00, -2.3508e-02, -1.5618e+00, -1.2854e+00],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[-3.5228e-02, -2.7819e-01,  6.2439e-01,  7.5989e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 1.2415e+00, -2.9651e-01,  3.6977e-01,  1.2185e-01],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[ 2.4551e-01,  1.4764e-01, -3.5595e-01,  1.6392e+00],[ 1.1148e-02,  2.5174e-01, -1.3927e+00,  3.7848e-01],[ 3.3340e-01, -4.4953e-02,  3.3859e-02, -1.5573e+00],[ 1.5800e-01,  7.3902e-01, -1.5889e+00, -1.2582e+00],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 6.4974e-01, -5.2605e-01, -1.1821e+00, -6.4189e-01],[-4.7124e-02, -6.1739e-01, -2.5240e+00, -4.2321e-01],[ 9.6736e-01,  2.3230e-01,  1.3729e+00, -2.0379e+00],[-1.1857e+00,  2.6152e-01,  3.1518e-01, -6.5916e-01],[ 1.7848e-01, -1.3814e+00,  9.4356e-01, -3.3962e-02],[-2.1846e+00, -1.2893e+00,  7.0446e-01, -8.0214e-01],[-6.6988e-01, -1.2031e+00,  1.0671e-01,  1.4429e+00],[ 2.2390e+00,  3.0340e-01, -7.2565e-01, -1.3215e+00],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[-1.7030e+00,  1.0905e+00, -1.3059e+00, -1.6116e+00],[-1.3418e+00, -4.2823e-01,  1.5904e+00,  7.3380e-01],[ 2.2007e-01, -1.7115e-02,  3.7640e-01, -3.5726e+00],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[ 6.8893e-01,  9.6356e-01,  1.2914e+00, -4.1785e-01],[ 2.9834e-01, -3.0731e+00, -1.3642e+00, -1.0279e+00],[ 1.7421e-02, -1.5721e-01, -1.5607e+00,  2.2232e+00],[ 7.6139e-01,  1.3643e+00,  7.8093e-01,  5.4841e-01],[-9.9045e-01, -1.0643e+00, -1.7787e-01, -6.4890e-01],[ 1.8948e-01,  3.3767e-01,  7.5379e-01, -1.3790e-01],[-4.6333e-01, -7.6318e-01, -1.6272e+00,  1.1206e+00],[ 1.2328e-01, -1.1096e+00, -1.4897e+00, -1.5095e+00],[ 5.4554e-01, -1.6514e+00, -1.4589e+00,  3.4808e-01],[ 1.5150e+00, -1.0228e-01, -9.7248e-01, -3.1797e-01]]],grad_fn=<EmbeddingBackward0>)embedding 编码:
tensor([[-0.1307,  0.1223,  0.0530, -0.0459]], grad_fn=<EmbeddingBagBackward0>)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/14448.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

代码随想录算法训练营第十七天|LeetCode110 平衡二叉树、LeetCode257 二叉树的所有路径

题1&#xff1a; 指路&#xff1a;LeetCode110 平衡二叉树 思路与代码&#xff1a; 左右子树的高度差小于等于1。对于这个题&#xff0c;递归比迭代方便太多&#xff0c;我也想过迭代&#xff0c;但是我没有写出来&#xff0c;大家可以自己试一下。递归代码如下&#xff1a;…

如何为ChatGPT编写有效的提示词:软件开发者的指南

作为一名软件开发者&#xff0c;特别是使用Vue进行开发的开发者&#xff0c;与ChatGPT等AI助手高效互动&#xff0c;可以极大地提升你的开发效率。本文将深入探讨如何编写有效的提示词&#xff0c;以便从ChatGPT中获取有用的信息和帮助。 1. 明确目标 在编写提示词之前&#…

后端之路第二站(正片)——SprintBoot之:分层解耦

很抽象&#xff0c;我自己也不好理解&#xff0c;仅作为一个前端转后端的个人理解 一、先解释一个案例&#xff0c;以这个案例来分析“三层架构” 这里我先解释一下黑马程序员里的这个案例&#xff0c;兄弟们看视频的可以跳过这节课&#xff1a;Day05-08. 请求响应-响应-案例_…

【webrtc】m98:Call的创建及Call对音频接收处理

call中多個流共享相同的辅助组件 这几个是与外部共用的 线程传输send控制module 线程任务队列工厂call的辅助组件中各种统计以及接收测的cc是自己创建的 call自己的多个辅助组件是外部传递来的 call 创建多个接收流 这里用一个set 来保存所有指针,并没有要map的意思:

【因果推断从入门到精通二】随机实验3

目录 检验无因果效应假说 硬币投掷的特殊性何在&#xff1f; 检验无因果效应假说 无因果效应假说认为&#xff0c;有些人存活&#xff0c;有些人死亡&#xff0c;但接受mAb114治疗而不是ZMapp与此无关。在174例接受mAb14治疗的患者中&#xff0c;113/17464.9%存活了28天&…

【MySQL精通之路】InnoDB(6)-磁盘结构

主要博客&#xff1a; 【MySQL精通之路】InnoDB存储引擎-CSDN博客 1 表 2 索引 【MySQL精通之路】InnoDB(6)-磁盘结构(2)-索引-CSDN博客 3 表空间 【MySQL精通之路】InnoDB(6)-磁盘结构(3)-表空间-CSDN博客 4 双写缓冲区 【MySQL精通之路】InnoDB(6)-磁盘结构(4)-双写缓冲…

修改MySQL root用户密码

ALTER USER ‘root’‘localhost’ IDENTIFIED BY ‘new_password’; ALTER USER ‘root’‘%’ IDENTIFIED BY ‘new_password’; 》 SET GLOBAL read_only OFF; select * from mysql.user;

Java入门基础学习笔记47——ArrayList

什么是集合呢&#xff1f; 集合是一种容器&#xff0c;用来装数据的&#xff0c;类似数组。 有数组&#xff0c;为什么还要学习集合呢&#xff1f; 数组定义完成并启动后&#xff0c;长度就固定了。 而集合是大小可变&#xff0c;开发中用的最多的。 集合的特点&#xff1a;大…

汇聚荣科技有限公司优点有哪些?

在当今快速发展的科技时代&#xff0c;企业之间的竞争愈发激烈。作为一家专注于科技创新与研发的公司&#xff0c;汇聚荣科技有限公司凭借其卓越的技术实力和创新能力&#xff0c;在业界树立了良好的口碑。那么&#xff0c;汇聚荣科技有限公司究竟有哪些优点呢?接下来&#xf…

C++利用TinyXML读取XML文件

TinyXML是什么&#xff1f; TinyXML是一个轻量级的C XML解析器&#xff0c;它提供了一种简单的方法来解析和操作XML文档。TinyXML被设计为易于使用和集成到C项目中&#xff0c;并且非常适合处理小型XML文件。 以下是TinyXML的一些主要特点和优点&#xff1a; 轻量级: T…

OSPF问题

.ospf 选路 域内 --- 1类&#xff0c;2类LSA 域间 --- 3类LSA 域外 --- 5类&#xff0c;7类LSA --- 根据开销值的计算规则不同&#xff0c;还分为类型1和类型2 ospf 防环机制 区域内防环&#xff1a;在同一OSPF区域内&#xff0c;所有路由器通过交换链路状态通告&#xff…

VUE面试题(3)--vue常见面试题

1.vue优点 低耦合。视图(View)可以独立于Model变化和修改,一个ViewModel可以绑定到不同的"View"上,当View变化的时候Model可以不变,当Model变化的时候View也可以不变。 可重用性。你可以把一些视图逻辑放在一个ViewModel里面,让很多view重用这段视图逻辑。 …

226.翻转二叉树

翻转一棵二叉树。 思路&#xff1a; 指针做交换 用递归&#xff08;前序or后序&#xff0c;中序不行&#xff09; 前序&#xff1a;中左右 遍历到“中”的时候&#xff0c;交换它的左右孩子 然后分别对它的左孩子和右孩子使用“交换函数”&#xff08;定义的&#xff09;&a…

【网络版本计算器的实现】

本章重点 理解应用层的作用, 初识HTTP协议理解传输层的作用, 深入理解TCP的各项特性和机制对整个TCP/IP协议有系统的理解对TCP/IP协议体系下的其他重要协议和技术有一定的了解学会使用一些分析网络问题的工具和方法 ⭐注意!! 注意!! 注意!! 本课是网络编程的理论基础.是一个服务…

零基础学Java第二十二天之迭代器 Iterator

迭代器 Iterator 的理解和相关集合 使用 1、理解 迭代器&#xff08;Iterator&#xff09;是设计模式中的一种&#xff0c;它允许程序员遍历容器&#xff08;例如列表、集合等&#xff09;中的元素&#xff0c;而无需了解容器底层的实现细节。在编程中&#xff0c;迭代器提供了…

​第18章:JDK8-17新特性

1. 新特性概述 > 角度1&#xff1a;新的语法规则 &#xff08;多关注&#xff09;比如&#xff1a;lambda表达式、enum、annotation、自动拆箱装箱、接口中的默认方法和静态方法、switch表达式、record等> 角度2&#xff1a;增加、过时、删除API比如&#xff1a;新的日期…

《子数整数》

描述 对于一个五位数a1​a2​a3​a4​a5​&#xff0c;可将其拆分为三个子数&#xff1a; sub1​a1​a2​a3​ sub2​a2​a3​a4​ sub3​a3​a4​a5​ 例如&#xff0c;五位数20207可以拆分成 sub1​202 sub2​020(20) sub3​207 现在给定一个正整数K&#xff0c;要求你编程求…

【系统架构师】-论文-系统安全性与保密性设计

1、摘要: 2018 年初&#xff0c;我所在的公司为一票务公司开发开票业务平台的建设。我在该项目中担任系统架构设计师的职务&#xff0c;主要负责设计平台系统架构和安全体系架构。该平台以采用 B/S 架构服务用户&#xff0c;采用”平台应用”的模式解决现有应用单机独立开票的模…

【YOLOv5/v7改进系列】替换激活函数为SiLU、ReLU、LeakyReLU、FReLU、PReLU、Hardswish、Mish、ELU等

一、导言 激活函数在目标检测中的作用至关重要&#xff0c;它们主要服务于以下几个关键目的&#xff1a; 引入非线性&#xff1a;神经网络的基本构建块&#xff08;如卷积层、全连接层等&#xff09;本质上是线性变换&#xff0c;而激活函数通过引入非线性&#xff0c;使得网络…

urllib3 发起https请求时报错 certificate verify failed

情况描述 近期需要访问https的一个API接口同步数据&#xff0c;在办公主机完成urllib3初步的测试以后&#xff0c;到测试环境验证发现无法请求&#xff0c;报错&#xff1a; 提示&#xff1a;解决办法可以直接到第四节查看 一、提示 SSL 认证失败 OpenSSL.SSL.Error: [(SSL …