【发布时间】:2020-06-11 04:42:33
【问题描述】:
在深度学习中,
Embedding 的定义是把数据变成稠密的向量。
扁平化是一个广泛使用的概念,它使数据排成一行。所以,我们可以考虑 Flatten 也返回向量。只是更改功能编号。
那么,Flatten 是 Embedding 的一种特殊形式吗?这在逻辑上正确吗?
扁平化⊂嵌入?
【问题讨论】:
标签: machine-learning deep-learning nlp embedding flatten
在深度学习中,
Embedding 的定义是把数据变成稠密的向量。
扁平化是一个广泛使用的概念,它使数据排成一行。所以,我们可以考虑 Flatten 也返回向量。只是更改功能编号。
那么,Flatten 是 Embedding 的一种特殊形式吗?这在逻辑上正确吗?
扁平化⊂嵌入?
【问题讨论】:
标签: machine-learning deep-learning nlp embedding flatten
不,Flatten 是一个层,它接受更高暗度的输入,即 (d1,d2,...,dn) 并将其展平为一维向量。该向量将具有 (d1 * d2 * ... * dn) 个元素。它什么都学不到。它只需要更高的暗淡张量并将其转换为单个暗淡张量。
另一方面,嵌入具有可学习的参数,这些参数会在训练期间更新。这些参数学习数据的有意义的表示。
【讨论】: