python - 用于二元分类问题的 CNN 嵌入层 1D
问题描述
我正在使用 python TensorFlow lib 创建一个基于另一项工作的 CNN。
在这项工作中，它使用了一个嵌入层，但它并没有过多地说明所使用的参数。
当我试图弄清楚实现时，我发现我应该传递三个参数，它们是（字体：https ://machinelearningmastery.com/use-word-embedding-layers-deep-learning-keras/ ):
- input_dim：这是文本数据中词汇的大小。例如，如果您的数据被整数编码为 0-10 之间的值，那么词汇表的大小将为 11 个单词。
- output_dim：这是嵌入单词的向量空间的大小。它为每个单词定义了该层的输出向量的大小。例如，它可以是 32 或 100 甚至更大。为您的问题测试不同的值。
- input_length：这是输入序列的长度，就像您为 Keras 模型的任何输入层定义的一样。例如，如果您的所有输入文档都包含 1000 个单词，那么这将是 1000。
如您所见，我必须传递我的数据的“词汇表”。在我的例子中，它在 0 和 1 之间变化，因为它是标准化的。但它们不是整数，而且我看到的大多数涉及嵌入层的示例，您必须知道可能的值或词汇表，因此它们是整数。
所以我的问题是：在我的数据中使用嵌入层是否有意义？如果是这样，我应该传递哪些值？