PyTorch快速入门教程七(RNN做自然语言处理) - pytorch中文网
原文出处: https://ptorch.com/news/11.html
在pytorch里面实现word embedding
是通过一个函数来实现的:nn.Embedding
# -*- coding: utf-8 -*- import numpy as np import torch import torch.nn as nn import torch.nn.functional as F from torch.autograd import Variable word_to_ix = {'hello': 0, 'world': 1} embeds = nn.Embedding(2, 5) hello_idx = torch.LongTensor([word_to_ix['hello']]) hello_idx = Variable(hello_idx) hello_embed = embeds(hello_idx) print(hello_embed)
这就是我们输出的hello这个词的word embedding,代码会输出如下内容,接下来我们解析一下代码:
Variable containing: 0.4606 0.6847 -1.9592 0.9434 0.2316 [torch.FloatTensor of size 1x5]
首先我们需要word_to_ix = {'hello': 0, 'world': 1}
,每个单词我们需要用一个数字去表示他,这样我们需要hello的时候,就用0来表示它。
接着就是word embedding
的定义nn.Embedding(2, 5)
,这里的2表示有2个词,5表示5维度,其实也就是一个2x5的矩阵,所以如果你有1000个词,每个词希望是100维,你就可以这样建立一个word embedding
,nn.Embedding(1000, 100)
。如何访问每一个词的词向量是下面两行的代码,注意这里的词向量的建立只是初始的词向量,并没有经过任何修改优化,我们需要建立神经网络通过learning
的办法修改word embedding
里面的参数使得word embedding
每一个词向量能够表示每一个不同的词。
hello_idx = torch.LongTensor([word_to_ix['hello']]) hello_idx = Variable(hello_idx)
接着这两行代码表示得到一个Variable
,它的值是hello
这个词的index
,也就是0。这里要特别注意一下我们需要Variable,因为我们需要访问nn.Embedding
里面定义的元素,并且word embeding
算是神经网络里面的参数,所以我们需要定义Variable
。
hello_embed = embeds(hello_idx)
这一行表示得到word embedding
里面关于hello
这个词的初始词向量,最后我们就可以print出来。