คำเตือน: โครงการนี้เลิกใช้แล้ว Swift สำหรับ TensorFlow เป็นการทดลองในแพลตฟอร์มรุ่นต่อไปสำหรับการเรียนรู้ของเครื่อง โดยรวมงานวิจัยล่าสุดเกี่ยวกับการเรียนรู้ของเครื่อง คอมไพเลอร์ การเขียนโปรแกรมสร้างความแตกต่าง การออกแบบระบบ และอื่นๆ ถูกเก็บถาวรในเดือนกุมภาพันธ์ 2564
การฝัง
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
เลเยอร์การฝัง
Embedding
เป็นตารางค้นหาที่มีประสิทธิภาพซึ่งแมปดัชนีจากคำศัพท์คงที่ไปจนถึงการแสดงเวกเตอร์ที่มีขนาดคงที่ (หนาแน่น) เช่น [[0], [3]] -> [[0.25, 0.1], [0.6, -0.2]]
ตารางการค้นหาที่สามารถเรียนรู้ได้ซึ่งจับคู่ดัชนีคำศัพท์กับการแสดงเวกเตอร์ที่มีความหนาแน่นสูง
คำประกาศ
public var embeddings: Tensor<Scalar>
สร้างเลเยอร์ Embedding
ที่มีการฝังรูปร่างเริ่มต้นแบบสุ่ม (vocabularySize, embeddingSize)
เพื่อให้ดัชนีคำศัพท์แต่ละรายการได้รับการแสดงเวกเตอร์
คำประกาศ
public init(
vocabularySize: Int,
embeddingSize: Int,
embeddingsInitializer: ParameterInitializer<Scalar> = { Tensor(randomUniform: $0) }
)
พารามิเตอร์
vocabularySize | จำนวนดัชนี (คำ) ที่แตกต่างกันในคำศัพท์ ตัวเลขนี้ควรเป็นดัชนีจำนวนเต็มที่ใหญ่ที่สุดบวกหนึ่ง |
embeddingSize | จำนวนรายการในการแทนค่าเวกเตอร์แบบฝังเดียว |
embeddingsInitializer | Initializer ที่จะใช้สำหรับการฝังพารามิเตอร์ |
สร้างเลเยอร์ Embedding
จากการฝังที่ให้มา มีประโยชน์สำหรับการแนะนำการฝังที่ฝึกไว้ล่วงหน้าในโมเดล
คำประกาศ
public init(embeddings: Tensor<Scalar>)
พารามิเตอร์
embeddings | ตารางการฝังที่เตรียมไว้ล่วงหน้า |
ส่งกลับเอาต์พุตโดยการแทนที่แต่ละดัชนีในอินพุตด้วยการแสดงเวกเตอร์หนาแน่นที่สอดคล้องกัน
คำประกาศ
@differentiable(wrt: self)
public func forward(_ input: Tensor<Int32>) -> Tensor<Scalar>
ค่าส่งคืน
เทนเซอร์ที่สร้างขึ้นโดยการแทนที่ดัชนีอินพุตด้วยการแสดงเวกเตอร์
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2023-12-01 UTC
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"ไม่มีข้อมูลที่ฉันต้องการ"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"ซับซ้อนเกินไป/มีหลายขั้นตอนมากเกินไป"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"ล้าสมัย"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"ปัญหาเกี่ยวกับการแปล"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"ตัวอย่าง/ปัญหาเกี่ยวกับโค้ด"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"อื่นๆ"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"เข้าใจง่าย"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"แก้ปัญหาของฉันได้"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"อื่นๆ"
}]