TokenAndPositionEmbedding 层

[源代码]

TokenAndPositionEmbedding 类

keras_hub.layers.TokenAndPositionEmbedding(
    vocabulary_size,
    sequence_length,
    embedding_dim,
    tie_weights=True,
    embeddings_initializer="uniform",
    mask_zero=False,
    **kwargs
)

一个将 Token 嵌入和位置嵌入相加的层。

Token 嵌入和位置嵌入是表示单词及其在句子中顺序的方法。此层创建一个 keras.layers.Embedding Token 嵌入和一个 keras_hub.layers.PositionEmbedding 位置嵌入，并在调用时将它们的输出相加。此层假设输入的最后一个维度对应于序列维度。

参数

• vocabulary_size：词汇量的大小。
• sequence_length：输入序列的最大长度
• embedding_dim：嵌入层的输出维度
• tie_weights：布尔值，表示嵌入矩阵和reverse投影矩阵是否应该共享相同的权重。
• embeddings_initializer：用于嵌入层的初始化器
• mask_zero：布尔值，表示输入值 0 是否是应该屏蔽掉的特殊“填充”值。这在使用可能接受可变长度输入的循环层时很有用。如果为 True，则模型中的所有后续层都需要支持屏蔽，否则将引发异常。如果将mask_zero设置为 True，则词汇表中不能使用索引 0（input_dim 应等于词汇表大小 + 1）。
• **kwargs：传递给 keras.layers.Layer 的其他关键字参数，包括name、trainable、dtype 等。

示例

inputs = np.ones(shape=(1, 50), dtype="int32")
embedding_layer = keras_hub.layers.TokenAndPositionEmbedding(
    vocabulary_size=10_000,
    sequence_length=50,
    embedding_dim=128,
)
outputs = embedding_layer(inputs)