tf.nn.embedding_lookup() 详解

2019-07-18 本文已影响0人 xingzai

tf.nn.embedding_lookup() 的用途主要是选取一个张量里面索引对应的元素。

原理
假设一共有 $m$ 个物体，每个物体有自己唯一的id，那么从物体的集合到 $R^m$ 有一个trivial的嵌入，就是把它映射到 $R^m$ 中的标准基，这种嵌入叫做 One-hot embedding/encoding.
应用中一般将物体嵌入到一个低维空间 $R^n(n << m)$ ，只需要在compose上一个从 $R^m$ 到 $R^n$ 的线性映射就好了。每一个 $n*m$ 的矩阵 $M$ 都定义了一个从 $R^m$ 到 $R^n$ 的线性映射: $x \mapsto Mx$ 。当 $x$ 是一个标准基向量的时候 $Mx$ 对应矩阵 $M$ 中的一列，这就是对应id的向量表示。这个概念用神经网络图来表示如下：

从id(索引)找到对应的One-hot encoding，然后红色的weight就直接对应了输出节点的值(注意这里没有activation function)，也就是对应的embedding向量。

函数原型：

tf.nn.embedding_lookup(
     params,
     ids,
     partition_strategy='mod',
     name=None,
     validate_indices=True,
     max_norm=None
)

params：由一个tensor或者多个tensor组成的列表(多个tensor组成时，每个tensor除了第一个维度其他维度需相等)；
ids：一个类型为int32或int64的Tensor，包含要在params中查找的id；
partition_strategy：逻辑index是由partition_strategy指定，partition_strategy用来设定ids的切分方式，目前有两种切分方式’div’和’mod’.
name：操作名称（可选）
validate_indices: 是否验证收集索引
max_norm: 如果不是None，嵌入值将被l2归一化为max_norm的值

返回值是一个dense tensor。返回的shape为shape(ids)+shape(params)[1:]

实际上tf.nn.embedding_lookup的作用就是找到要寻找的embedding data中的对应的行下的vector。

import numpy as np
import tensorflow as tf
data = np.array([[[2],[1]],[[3],[4]],[[6],[7]]])
data = tf.convert_to_tensor(data)
lk = [[0,1],[1,0],[0,0]]
lookup_data = tf.nn.embedding_lookup(data, lk)
init = tf.global_variables_initializer()

先让我们看下不同数据对应的维度：

In [76]: data.shape
Out[76]: (3, 2, 1)
In [77]: np.array(lk).shape
Out[77]: (3, 2)
In [78]: lookup_data
Out[78]: <tf.Tensor 'embedding_lookup_8:0' shape=(3, 2, 2, 1) dtype=int64>

这个是怎么做到的呢？关键的部分来了，看下图：

lk中的值，在要寻找的embedding数据中找对应的index下的vector进行拼接。永远是look(lk)部分的维度+embedding(data)部分的除了第一维后的维度拼接。很明显，我们也可以得到，lk里面值是必须要小于等于embedding(data)的最大维度减一的。

以上的结果就是：

In [79]: data
Out[79]:
array([[[2],
        [1]],

       [[3],
        [4]],

       [[6],
        [7]]])

In [80]: lk
Out[80]: [[0, 1], [1, 0], [0, 0]]

# lk[0]也就是[0,1]对应着下面sess.run(lookup_data)的结果恰好是把data中的[[2],[1]],[[3],[4]]

In [81]: sess.run(lookup_data)
Out[81]:
array([[[[2],
         [1]],

        [[3],
         [4]]],


       [[[3],
         [4]],

        [[2],
         [1]]],


       [[[2],
         [1]],

        [[2],
         [1]]]])

最后，partition_strategy是用于当len(params) > 1，params的元素分割不能整分的话，则前(max_id + 1) % len(params)多分一个id.
当partition_strategy = 'mod'的时候，13个ids划分为5个分区：[[0, 5, 10], [1, 6, 11], [2, 7, 12], [3, 8], [4, 9]]，也就是是按照数据列进行映射，然后再进行look_up操作。
当partition_strategy = 'div'的时候，13个ids划分为5个分区：[[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10], [11, 12]]，也就是是按照数据先后进行排序标序，然后再进行look_up操作。

参考：https://www.jianshu.com/p/abea0d9d2436

tf.nn.embedding_lookup() 详解

猜你喜欢

热点阅读