nn.Embedding

在这个代码片段中,TokenEmbedding 类继承了 torch.nn.Embedding 类,并在 __init__ 方法中通过调用 super(TokenEmbedding, self).__init__(vocab_size, d_model, padding_idx=1) 来初始化父类 nn.Embedding。由于 TokenEmbedding 没有定义新的方法,默认情况下它会使用 nn.Embedding 的行为来提供返回值。

nn.Embedding 的行为

nn.Embedding 是一个嵌入层,用于将词汇表中的单词映射为稠密的向量表示。它的作用是查找输入索引对应的嵌入向量,具体步骤如下:

  1. 当你传入词汇的索引(整数)时,它会从权重矩阵中查找对应的嵌入向量。
  2. 它不需要定义一个显式的 forward 方法,因为调用 nn.Embedding 实例时,自动会执行这个查找操作。

使用方式

  1. 实例化 TokenEmbedding :实例化时会初始化一个嵌入矩阵,矩阵的维度是 vocab_size x d_model,其中 vocab_size 是词汇表的大小,d_model 是每个单词的向量维度。

  2. 调用实例:传入单词索引(整数序列),实例会返回对应的嵌入向量。

示例:

python 复制代码
import torch
import torch.nn as nn

class TokenEmbedding(nn.Embedding):
    def __init__(self, vocab_size, d_model):
        super(TokenEmbedding, self).__init__(vocab_size, d_model, padding_idx=1)

# 假设词汇表大小为 100,嵌入维度为 64
vocab_size = 100
d_model = 64

# 实例化 TokenEmbedding
embedding_layer = TokenEmbedding(vocab_size, d_model)

# 创建输入张量,表示单词的索引
input_indices = torch.LongTensor([2, 5, 10])

# 调用实例,将词汇索引转换为嵌入向量
output = embedding_layer(input_indices)
print(output.shape)  # 输出形状为 (3, 64),因为输入中有 3 个单词,每个单词的嵌入向量是 64 维

解释:

  • vocab_size: 词汇表的大小,即可以表示多少个不同的单词。
  • d_model: 每个单词的嵌入向量的维度。
  • padding_idx=1: 用于指定填充标记的索引,通常是为了忽略填充标记在训练中的影响。

在这个类中,TokenEmbedding 类实际上没有显式返回值的方法,但是通过调用 __call__ 方法(继承自 nn.Embedding),它会查找并返回对应的嵌入向量。

相关推荐
HPC_fac1305206781640 分钟前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
网易独家音乐人Mike Zhou3 小时前
【卡尔曼滤波】数据预测Prediction观测器的理论推导及应用 C语言、Python实现(Kalman Filter)
c语言·python·单片机·物联网·算法·嵌入式·iot
安静读书3 小时前
Python解析视频FPS(帧率)、分辨率信息
python·opencv·音视频
小二·5 小时前
java基础面试题笔记(基础篇)
java·笔记·python
小喵要摸鱼6 小时前
Python 神经网络项目常用语法
python
一念之坤8 小时前
零基础学Python之数据结构 -- 01篇
数据结构·python
wxl7812278 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
NoneCoder8 小时前
Python入门(12)--数据处理
开发语言·python
老艾的AI世界9 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
LKID体9 小时前
Python操作neo4j库py2neo使用(一)
python·oracle·neo4j