张量流：tf.contrib.layers.embed_sequence答案

【问题标题】：Tensorflow: tf.contrib.layers.embed_sequence张量流：tf.contrib.layers.embed_sequence
【发布时间】：2017-07-28 12:40:39
【问题描述】：

我正在做一个项目来完成文本分类。在处理 word-to-vector 时，建议使用tensorflow.contrib.layers.embed_sequence。但是，这个 API 似乎没有提供编码方法的说明。所以，我想知道这个 API 是如何工作的。

顺便说一句，我正在使用 pydev 进行 pydev 开发，并且我已经成功安装了 tensorflow 模块。使用tensorflow 的程序运行正常。但是当我想打开 tf.contrib.layers.embed_sequence 的声明时，它会说：

"NameError: name tf is not defined"...

【问题讨论】：

那么问题到底是什么？
@gionni, tf.contrib.layers.embed_sequence 采用什么编码方式？

标签： python tensorflow neural-network nlp pydev

【解决方案1】：

基本上可以这样使用tf.contrib.layers.embed_sequence，

word_embed = tf.contrib.layers.embed_sequence(
                        features,
                        vocab_size=VOCAB_SIZE, 
                        embed_dim=EMBEDDING_SIZE)

embed_sequence的教程请查看official doc或other answers on stackoverflow

有关文本分类的教程，请查看此博客 https://medium.com/@ilblackdragon/tensorflow-text-classification-615198df9231

【讨论】：

谢谢，但是除了它的基本语法之外，还有关于这个 API 的更多信息吗？我想知道这个API是基于One-hot编码还是Word2Vec或者其他编码方式？

【解决方案2】：

如果我理解您的问题 - 您是在问 Tensorflow 使用什么算法（例如 skip-gram 与连续词袋）来生成词嵌入？

如果是这样 - Tensorflow: Word2vec CBOW model 建议 Skip-Gram 是默认设置，而 https://github.com/wangz10/tensorflow-playground/blob/master/word2vec.py#L105 建议如何将其切换到 CBOW。

【讨论】：