Question

我最近审核了convolutional text classification的一个有趣的实现。但是，我所评论的所有TensorFlow代码都使用了一个随机（未预先训练）的嵌入向量，如下所示：

with tf.device('/cpu:0'), tf.name_scope("embedding"):
    W = tf.Variable(
        tf.random_uniform([vocab_size, embedding_size], -1.0, 1.0),
        name="W")
    self.embedded_chars = tf.nn.embedding_lookup(W, self.input_x)
    self.embedded_chars_expanded = tf.expand_dims(self.embedded_chars, -1)

有人知道如何使用Word2vec或GloVe预训练的单词嵌入的结果而不是随机的吗？

Answer 1

有几种方法可以在TensorFlow中使用预先训练的嵌入。我们假设你在一个名为embedding的NumPy数组中嵌入了vocab_size行和embedding_dim列，并且你想要创建一个张量W用于致电tf.nn.embedding_lookup()。

只需将W创建为tf.constant()作为其值embedding：
```
W = tf.constant(embedding, name="W")
```
这是最简单的方法，但它不具有内存效率，因为tf.constant()的值在内存中多次存储。由于embedding可能非常大，因此您只应将此方法用于玩具示例。
将W创建为tf.Variable，并通过tf.placeholder()从NumPy数组初始化它：
```
W = tf.Variable(tf.constant(0.0, shape=[vocab_size, embedding_dim]),
                trainable=False, name="W")

embedding_placeholder = tf.placeholder(tf.float32, [vocab_size, embedding_dim])
embedding_init = W.assign(embedding_placeholder)

# ...
sess = tf.Session()

sess.run(embedding_init, feed_dict={embedding_placeholder: embedding})
```
这样可以避免在图中存储embedding的副本，但它确实需要足够的内存来将矩阵的两个副本同时保存在内存中（一个用于NumPy数组，一个用于{{1} }）。请注意，我假设您希望在培训期间保持嵌入矩阵不变，因此使用tf.Variable创建W。
如果嵌入是作为另一个TensorFlow模型的一部分进行训练的，则可以使用tf.train.Saver从其他模型的检查点文件加载值。这意味着嵌入矩阵可以完全绕过Python。按照选项2创建trainable=False，然后执行以下操作：
```
W
```

Answer 2

我使用此方法加载和共享嵌入。

W = tf.get_variable(name="W", shape=embedding.shape, initializer=tf.constant_initializer(embedding), trainable=False)

Answer 3

@mrry的答案是不正确的，因为它证明了每次运行网络时都会覆盖嵌入权重，所以如果您按照小批量方法训练网络，则会覆盖嵌入的权重。因此，根据我的观点，预训练嵌入的正确方法是：

embeddings = tf.get_variable("embeddings", shape=[dim1, dim2], initializer=tf.constant_initializer(np.array(embeddings_matrix))

Answer 4

2.0兼容答案：有很多预训练的嵌入，这些嵌入是由Google开发的，并且是开源的。

其中有些是Universal Sentence Encoder (USE), ELMO, BERT等。在代码中重用它们非常容易。

重新使用Pre-Trained Embedding， Universal Sentence Encoder 的代码如下所示：

  !pip install "tensorflow_hub>=0.6.0"
  !pip install "tensorflow>=2.0.0"

  import tensorflow as tf
  import tensorflow_hub as hub

  module_url = "https://tfhub.dev/google/universal-sentence-encoder/4"
  embed = hub.KerasLayer(module_url)
  embeddings = embed(["A long sentence.", "single-word",
                      "http://example.com"])
  print(embeddings.shape)  #(3,128)

有关Google开发和开源的预训练嵌入的更多信息，请参见TF Hub Link。

Answer 5

使用tensorflow第2版，如果您使用嵌入层，则非常简单

X=tf.keras.layers.Embedding(input_dim=vocab_size,
                            output_dim=300,
                            input_length=Length_of_input_sequences,
                            embeddings_initializer=matrix_of_pretrained_weights
                            )(ur_inp)

Answer 6

我也面临嵌入问题，所以我用数据集写了详细的教程。在这里，我想添加我尝试的内容您也可以尝试这种方法，

import tensorflow as tf

tf.reset_default_graph()

input_x=tf.placeholder(tf.int32,shape=[None,None])

#you have to edit shape according to your embedding size


Word_embedding = tf.get_variable(name="W", shape=[400000,100], initializer=tf.constant_initializer(np.array(word_embedding)), trainable=False)
embedding_loopup= tf.nn.embedding_lookup(Word_embedding,input_x)

with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        for ii in final_:
            print(sess.run(embedding_loopup,feed_dict={input_x:[ii]}))

如果您想从头开始理解，请参阅详细的教程Ipython example。

在TensorFlow中使用预先训练的单词嵌入（word2vec或Glove）

6 个答案: