embedding

paddle.fluid.layers. embedding ( input, size, is_sparse=False, is_distributed=False, padding_idx=None, param_attr=None, dtype='float32' ) [源代码]

嵌入层(Embedding Layer)

注意：此 OP 将在未来的版本中被移除！该 OP 要求输入 Tensor shape 的最后一维必须为 1。推荐使用 fluid. cn_api_fluid_embedding 。

该 OP 根据 input 中的 id 信息从 embedding 矩阵中查询对应 embedding 信息，并会根据输入的 size (vocab_size, emb_size)和 dtype 自动构造一个二维 embedding 矩阵。

要求 input 的最后一维必须等于 1，输出的 Tensor 的 shape 是将输入 Tensor shape 的最后一维的 1 替换为 emb_size。

注：input 中的 id 必须满足 0 =< id < size[0]，否则程序会抛异常退出。

Case 1:

input 是 Tensor，且 padding_idx = -1
    input.data = [[[1], [3]], [[2], [4]], [[4], [127]]]
    input.shape = [3, 2, 1]
若 size = [128, 16]
输出为 Tensor:
    out.shape = [3, 2, 16]
    out.data = [[[0.129435295, 0.244512452, ..., 0.436322452],
                 [0.345421456, 0.524563927, ..., 0.144534654]],

                [[0.345249859, 0.124939536, ..., 0.194353745],
                 [0.945345345, 0.435394634, ..., 0.435345365]],

                [[0.945345345, 0.435394634, ..., 0.435345365],
                 [0.0,         0.0,         ..., 0.0        ]]]  # padding data
输入的 padding_idx 小于 0，则自动转换为 padding_idx = -1 + 128 = 127，对于输入 id 为 127 的词，进行 padding 处理。

Case 2:

input 是 lod level 为 1 的 LoDTensor，且 padding_idx = 0
    input.lod = [[2, 3]]
    input.data = [[1], [3], [2], [4], [0]]
    input.shape = [5, 1]
若 size = [128, 16]
输出为 LoDTensor:
    out.lod = [[2, 3]]
    out.shape = [5, 16]
    out.data = [[0.129435295, 0.244512452, ..., 0.436322452],
                [0.345421456, 0.524563927, ..., 0.144534654],
                [0.345249859, 0.124939536, ..., 0.194353745],
                [0.945345345, 0.435394634, ..., 0.435345365],
                [0.0,         0.0,         ..., 0.0        ]]  # padding data
输入的 padding_idx = 0，则对于输入 id 为 0 的词，进行 padding 处理。

参数

  • input (Variable) - 存储 id 信息的 Tensor，数据类型必须为：int64，输入的 shape 最后一维须为 1。input 中的 id 必须满足 0 =< id < size[0] 。

  • size (tuple|list) - embedding 矩阵的维度。必须包含两个元素，第一个元素为 vocab_size(词表大小)，第二个为 emb_size（embedding 层维度）。

  • is_sparse (bool) - 是否使用稀疏的更新方式，这个参数只会影响反向的梯度更新的性能，sparse 更新速度更快，推荐使用稀疏更新的方式。但某些 optimizer 不支持 sparse 更新，比如 cn_api_fluid_optimizer_AdadeltaOptimizer 、 cn_api_fluid_optimizer_AdamaxOptimizer 、 cn_api_fluid_optimizer_DecayedAdagradOptimizer 、 cn_api_fluid_optimizer_FtrlOptimizer 、 cn_api_fluid_optimizer_LambOptimizer 、cn_api_fluid_optimizer_LarsMomentumOptimizer，此时 is_sparse 必须为 False。默认为 False。

  • is_distributed (bool) - 是否使用分布式的方式存储 embedding 矩阵，仅在多机分布式 cpu 训练中使用。默认为 False。

  • padding_idx (int|long|None) - padding_idx 需在区间[-vocab_size, vocab_size)，否则不生效，padding_idx<0 时，padding_idx 会被改成 vocab_size + padding_idx，input 中等于 padding_index 的 id 对应的 embedding 信息会被设置为 0，且这部分填充数据在训练时将不会被更新。如果为 None，不作处理，默认为 None。

  • param_attr (ParamAttr) - 指定权重参数属性的对象。默认值为 None，表示使用默认的权重参数属性。具体用法请参见 ParamAttr。此外，可以通过 param_attr 参数加载用户自定义或预训练的词向量。只需将本地词向量转为 numpy 数据格式，且保证本地词向量的 shape 和 embedding 的 size 参数一致，然后使用 NumpyArrayInitializer 进行初始化，即可实现加载自定义或预训练的词向量。详细使用方法见代码示例 2。

  • dtype (str|core.VarDesc.VarType) - 输出 Tensor 的数据类型，数据类型必须为：float32 或 float64，默认为 float32。

返回

input 映射后得到的 Embedding Tensor，数据类型和 dtype 定义的类型一致。

返回类型

Variable

代码示例

import paddle.fluid as fluid
import numpy as np

data = fluid.layers.data(name='sequence', shape=[1], dtype='int64', lod_level=1)

# 示例 1
emb_1 = fluid.layers.embedding(input=data, size=[128, 64])

# 示例 2：加载用户自定义或预训练的词向量
weight_data = np.random.random(size=(128, 100))  # numpy 格式的词向量数据
w_param_attrs = fluid.ParamAttr(
    name="emb_weight",
    learning_rate=0.5,
    initializer=fluid.initializer.NumpyArrayInitializer(weight_data),
    trainable=True)
emb_2 = fluid.layers.embedding(input=data, size=(128, 100), param_attr=w_param_attrs, dtype='float32')