keras.layers.embeddings.Embedding(input_dim, output_dim, embeddings_initializer='uniform', embeddings_regularizer=None, activity_regularizer=None, embeddings_constraint=None, mask_zero=False, input_length=None)
양의 정수(인덱스)를 고정된 크기의 dense 벡터로 바꾸어 줍니다. 예를 들어 다음과 같습니다: [[4], [20]] -> [[0.25, 0.1], [0.6, -0.2]].
이 계층은 모델의 첫 계층으로만 사용할 수 있습니다.
예제
model = Sequential()
model.add(Embedding(1000, 64, input_length=10))
# the model will take as input an integer matrix of size (batch, input_length).
# the largest integer (i.e. word index) in the input should be no larger than 999 (vocabulary size).
# now model.output_shape == (None, 10, 64), where None is the batch dimension.
input_array = np.random.randint(1000, size=(32, 10))
model.compile('rmsprop', 'mse')
output_array = model.predict(input_array)
assert output_array.shape == (32, 10, 64)
인수
embeddings 행렬을 위한 초기화기입니다(초기화기를 참조).embeddings 행렬에 적용되는 정규화기 함수입니다(정규화기를 참조).embeddings 행렬에 적용되는 제한 함수입니다(제한을 참조).True인 경우, 모델의 뒤따르는 모든 계층은 마스킹을 지원해야 하며 그렇지 않다면 예외가 발생합니다. 또한 True인 경우, 결과적으로 인덱스 0은 사용될 수 없습니다(따라서 input_dim은 인덱스 집합의 크기+1이 됩니다).Dense 계층의 앞에 Flatten 계층을 연결하고자 할 때 필요합니다(없다면, Dense출력의 형태는 계산되지 않습니다).입력 형태
다음과 같은 형태의 2차원 텐서입니다: (batch_size, sequence_length).
출력 형태
다음과 같은 형태의 3차원 텐서입니다: (batch_size, sequence_length, output_dim).
참고
이 문서는 Keras의 Embedding Layers을 번역한 것입니다.