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[Optional[int]], 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 embedding 层。

该层对输入进行 embedding，然后应用归约将一组 embedding 组合成一个单独的 embedding。这通常用于将项目序列 embedding 成一个单独的 embedding。

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，则使用组合器对维度 1 进行归约，以便结果的形状为 (batch_size, output_dim)。不允许使用秩为 3 或更高的输入。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带有支持这些输入的后端的不规则（ragged）输入。归约后的输出是稠密的。对于不规则输入，不规则维度必须是 1，因为它是进行归约的维度。

参数

• input_dim：整数。词汇表大小，最大整数索引 + 1。
• output_dim：整数。稠密 embedding 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，表示输入值 0 是否是应被屏蔽掉的特殊“填充”值。这在使用可能采用变长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，结果是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)。要使用的初始 embedding 值。
• combiner：指定如果单行中有多个条目时如何进行归约。目前支持 mean、sqrtn 和 sum。mean 是默认值。sqrtn 通常能实现良好的准确率，尤其是在词袋列上。
• **kwargs：传递给 Embedding 的附加关键字参数。

[源代码]

call 方法

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

应用 embedding 和归约。

参数

• inputs：用于 embedding 的 1D 张量，或用于 embedding 和归约的 2D 张量。
• weights：可选的权重张量，在归约之前应用，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）。

返回值

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