deep-learning - 如何在pytorch中实现低维嵌入层
问题描述
我最近读了一篇关于嵌入的论文。
在等式。(3)f
是一个4096X1
向量。作者尝试使用嵌入矩阵将向量压缩为theta
(向量) 。20X1
E
方程很简单 theta = E*f
我想知道它是否可以pytorch
用来实现这个目标,然后在训练中,E
可以自动学习。
如何完成剩下的?非常感谢。
演示代码如下:
import torch
from torch import nn
f = torch.randn(4096,1)
解决方案
假设您的输入向量是单热的,即使用“嵌入层”的地方,您可以直接使用来自 Torch 的嵌入层,它可以执行上述操作以及更多操作。nn.Embeddings
将 one-hot 向量的非零索引作为长张量的输入。例如:如果特征向量是
f = [[0,0,1], [1,0,0]]
然后输入nn.Embeddings
将是
输入 = [2, 0]
然而,OP 提出的问题是通过矩阵乘法获得嵌入,下面我将解决这个问题。您可以定义一个模块来执行此操作,如下所示。因为,param 是它的一个实例,nn.Parameter
它将被注册为参数,并在您调用 Adam 或任何其他优化器时进行优化。
class Embedding(nn.Module):
def __init__(self, input_dim, embedding_dim):
super().__init__()
self.param = torch.nn.Parameter(torch.randn(input_dim, embedding_dim))
def forward(self, x):
return torch.mm(x, self.param)
如果您仔细注意到,这与没有偏差且初始化略有不同的线性层相同。因此,您可以通过使用下面的线性层来实现相同的目的。
self.embedding = nn.Linear(4096, 20, bias=False)
# change initial weights to normal[0,1] or whatever is required
embedding.weight.data = torch.randn_like(embedding.weight)
推荐阅读
- react-native - 用户未经身份验证后不会立即调用导航
- java - Java 控制器和服务验证
- ios - 在 viewWillAppear 方法上使用 UIButton 加载 CAShapeLayer
- javascript - 根据日期隐藏表格行并单击按钮以再次显示它们
- javascript - 如何在 forEach 函数上执行异步等待
- java - 使用条件获取值的 Json 查询字符串
- bash - 从文本创建 csv 文件
- angular - Angular/TypeScript:获取背景图片的 URL
- xamarin.forms - 使用 Xamarin.Form 构建 VSTS CI 无法找到 MVVMLight 程序集
- r - MLR 和 randomForestSRC:计算机之间的不连贯性