EmbedReduce 层

[源代码]

EmbedReduce 类

keras_rs.layers.EmbedReduce(
    input_dim: int,
    output_dim: int,
    embeddings_initializer: Union[
        str,
        keras.src.initializers.initializer.Initializer,
        type[keras.src.initializers.initializer.Initializer],
        Callable[[Sequence[int | None], str], Any],
        Any,
    ] = "uniform",
    embeddings_regularizer: Union[
        str,
        keras.src.regularizers.regularizers.Regularizer,
        type[keras.src.regularizers.regularizers.Regularizer],
        Callable[[Any], Any],
        NoneType,
    ] = None,
    embeddings_constraint: Union[
        str,
        keras.src.constraints.constraints.Constraint,
        type[keras.src.constraints.constraints.Constraint],
        Callable[[Any], Any],
        NoneType,
    ] = None,
    mask_zero: bool = False,
    weights: Any = None,
    combiner: str = "mean",
    **kwargs: Any
)

一个使用组合器进行归约的嵌入层。

此层嵌入输入，然后应用归约将一组嵌入组合成单个嵌入。这通常用于将项目序列嵌入为单个嵌入。

如果传递给 __call__ 的输入是 1D 的，则不应用归约。如果输入是 2D 的，则使用组合器归约维度 1，使结果的形状为 (batch_size, output_dim)。不允许输入秩为 3 或更高。可以选择将权重传递给 __call__ 方法，以便在归约之前对不同的样本应用权重。

此层支持稀疏输入和支持它们的后端提供的可变长度（ragged）输入。归约后的输出是稠密的。对于可变长度输入，可变长度维度必须是 1，因为它是被归约的维度。

参数

• input_dim: 整型。词汇表的大小，即最大整数索引 + 1。
• output_dim：整数。稠密嵌入的维度。
• embeddings_initializer：embeddings 矩阵的初始化器（参见 keras.initializers）。
• embeddings_regularizer：应用于 embeddings 矩阵的正则化函数（参见 keras.regularizers）。
• embeddings_constraint：应用于 embeddings 矩阵的约束函数（参见 keras.constraints）。
• mask_zero: 布尔值，输入值 0 是否是一个特殊的“填充”值，应该被掩码（mask）掉。当使用可能接受可变长度输入的循环层时，这很有用。如果设置为 True，那么模型中所有后续层都需要支持掩码，否则将引发异常。如果 mask_zero 设置为 True，作为结果，词汇表中不能使用索引 0（input_dim 应等于词汇表大小 + 1）。
• weights: 可选的浮点矩阵，大小为 (input_dim, output_dim)。初始嵌入值。
• combiner: 指定如何对单行中的多个条目进行归约。当前支持 mean、sqrtn 和 sum。mean 是默认值。sqrtn 通常能获得良好的准确性，尤其是在词袋模型（bag-of-words）的列中。
• **kwargs: 传递给 Embedding 的其他关键字参数。

[源代码]

call 方法

EmbedReduce.call(inputs: Any, weights: Optional[Any] = None)

应用嵌入和归约。

参数

• inputs: 要嵌入的 1D 张量，或要嵌入和归约的 2D 张量。
• weights: 可选的权重张量，在归约前应用，可以是 1D 或 2D，并且必须匹配 inputs 的第一个维度（1D 情况）或匹配 inputs 的形状（2D 情况）。

返回

形状为 (batch_size, output_dim) 的稠密 2D 张量。