使用 tensorflow 占位符创建嵌入层后，如何使用 tf.nn.embedding_lookup() 函数？答案

【问题标题】：After creating an embedding layer using a tensorflow placeholder, how is the tf.nn.embedding_lookup() function used with it?使用 tensorflow 占位符创建嵌入层后，如何使用 tf.nn.embedding_lookup() 函数？
【发布时间】：2019-11-23 04:15:03
【问题描述】：

我正在尝试将预训练的 word2vec 词嵌入添加到我的 tensorflow 代码中。现在在创建嵌入矩阵之后，添加这一层的一种方法是创建一个 tensorflow 变量，但这会导致计算重复，因此效率不高。另一种方法是创建一个占位符并通过它传递数据。

W = tf.Variable(tf.constant(0.0, shape=[vsize, 200]),
                trainable=False, name="W")
embedding_init = W.assign(self._embedding)
#self._embedding is the placeholder

sess = tf.Session()
sess.run(embedding_init,feed_dict={self._embedding:emb_matrix})

现在我希望能够通过调用 tf.nn.embedding_lookup() 函数将数据传递给该嵌入，我究竟将什么张量传递给查找函数？

tf.nn.embedding_lookup(?,list(word2id),input_data)

【问题讨论】：

标签： tensorflow nlp word-embedding

【解决方案1】：

试试这个

tf.nn.embedding_lookup(W,input_data)

【讨论】：