TokenAndPositionEmbedding 层

[源]

TokenAndPositionEmbedding 类

keras_hub.layers.TokenAndPositionEmbedding(
    vocabulary_size,
    sequence_length,
    embedding_dim,
    tie_weights=True,
    embeddings_initializer="uniform",
    mask_zero=False,
    **kwargs
)

一个层，它将 token 和位置嵌入相加。

Token 嵌入和位置嵌入是表示词语及其在句子中顺序的方法。此层创建一个 keras.layers.Embedding token 嵌入和一个 keras_hub.layers.PositionEmbedding 位置嵌入，并在调用时将其输出相加。此层假定输入的最后一维对应于序列维度。

参数

• vocabulary_size: 词汇表的大小。
• sequence_length: 输入序列的最大长度
• embedding_dim: 嵌入层的输出维度
• tie_weights: 布尔值，表示嵌入矩阵和用于 reverse 投影的矩阵是否应共享相同的权重。
• embeddings_initializer: 用于嵌入层的初始化器
• mask_zero: 布尔值，表示输入值 0 是否为特殊的“填充”值，应将其掩码（mask）掉。在使用接受变长输入的循环层时，这非常有用。如果此值为 True，则模型中所有后续层都需要支持掩码，否则将引发异常。如果 mask_zero 设置为 True，结果是，词汇表不能使用索引 0 (input_dim 应等于词汇表大小 + 1)。
• **kwargs: 传递给 keras.layers.Layer 的其他关键字参数，包括 name、trainable、dtype 等。

示例

inputs = np.ones(shape=(1, 50), dtype="int32")
embedding_layer = keras_hub.layers.TokenAndPositionEmbedding(
    vocabulary_size=10_000,
    sequence_length=50,
    embedding_dim=128,
)
outputs = embedding_layer(inputs)