KerasHub:预训练模型 / API 文档 / 建模层 / PositionEmbedding 层

PositionEmbedding 层

[源代码]

PositionEmbedding

keras_hub.layers.PositionEmbedding(
    sequence_length, initializer="glorot_uniform", **kwargs
)

一个学习输入序列的位置嵌入的层。

该类假设在输入张量中,最后一维对应特征,倒数第二维对应序列。

此层不支持遮蔽,但可以与 keras.layers.Embedding 结合使用以支持填充遮蔽。

参数

  • sequence_length:动态序列的最大长度。
  • initializer:用于嵌入权重的初始化器。默认为 "glorot_uniform"
  • seq_axis:输入张量中添加嵌入的轴。
  • **kwargs: 传递给 keras.layers.Layer 的其他关键字参数,包括 nametrainabledtype 等。

调用参数

  • inputs:用于计算嵌入的张量输入,形状为 (batch_size, sequence_length, hidden_dim)。仅使用输入形状,因为位置嵌入不依赖于输入序列内容。
  • start_index:一个整数或整数张量。计算位置嵌入的起始位置。这在缓存解码期间很有用,其中每个位置都在循环中单独预测。

示例

直接应用于输入。

>>> layer = keras_hub.layers.PositionEmbedding(sequence_length=10)
>>> layer(np.zeros((8, 10, 16)))

与 token 嵌入结合使用。

seq_length = 50
vocab_size = 5000
embed_dim = 128
inputs = keras.Input(shape=(seq_length,))
token_embeddings = keras.layers.Embedding(
    input_dim=vocab_size, output_dim=embed_dim
)(inputs)
position_embeddings = keras_hub.layers.PositionEmbedding(
    sequence_length=seq_length
)(token_embeddings)
outputs = token_embeddings + position_embeddings

参考