使用 ** layers[0].get_weights()[0]** 的嵌入
The embeddings using ** layers[0].get_weights()[0]**
我用一个例子来研究嵌入网络，其中词汇量 = 200，训练样本包含大约 20 个不同的词。
词汇量为 200，这意味着单词数为 200。
但实际上我只处理 20 个单词（我的训练样本中的单词）：假设单词 [0] 到单词 [19]。
因此，在嵌入之后，vector[0] 对应于 word[0] 等等。但是 vector[20].. vector[30] ……它们匹配什么？
我没有字[20] 或字[30] .
提前致谢。
what do they match?
没有。在您增加词汇量之前，那里的权重将保持在初始化时的值，这几乎可以肯定是随机的。如果您试图将它们视为单词，它们将没有英文定义。
它们可能对他们有一些意义，因为训练嵌入创建了一个 space 其中数字有意义，但这些随机嵌入不能可靠地翻译回英语。
我用一个例子来研究嵌入网络，其中词汇量 = 200，训练样本包含大约 20 个不同的词。 词汇量为 200，这意味着单词数为 200。 但实际上我只处理 20 个单词（我的训练样本中的单词）：假设单词 [0] 到单词 [19]。 因此，在嵌入之后，vector[0] 对应于 word[0] 等等。但是 vector[20].. vector[30] ……它们匹配什么？ 我没有字[20] 或字[30] .
提前致谢。
what do they match?
没有。在您增加词汇量之前，那里的权重将保持在初始化时的值，这几乎可以肯定是随机的。如果您试图将它们视为单词，它们将没有英文定义。
它们可能对他们有一些意义，因为训练嵌入创建了一个 space 其中数字有意义，但这些随机嵌入不能可靠地翻译回英语。