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。该层创建一个 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。该层假设输入的最后一个维度对应于序列维度。

参数

• vocabulary_size: 词汇表的大小。
• 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 是否是一个特殊的 "填充" 值，应该被屏蔽掉。当使用可能接受可变长度输入的循环层时，这很有用。如果此值为 True，则模型中的所有后续层都需要支持掩码，否则会引发异常。如果 `mask_zero` 设置为 True，则索引 0 不能在词汇表中使用（input_dim 应等于词汇表的大小 + 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)