知识卡片
预训练嵌入初始化必须按编号对齐
按本地词表顺序查询预训练向量,再将结果放入相同编号行,包含保留的PAD行。词表和矩阵行数、维数均须一致;书中2000、4000及3834不同展示不能直接拼成一个已对齐模型。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
Listing 7.23 Loading embeddings and aligning with your vocabulary >>> from nessvec.files import load_vecs_df >>> URL = 'https://gitlab.com/tangibleai/nlpia2/-/' \ ... 'raw/main/src/nlpia2/data/glove.6B.50d.txt.bz2' >>> glove = load_vecs_df(URL) >>> zeroes = [0.] * 50 >>> embed = [] >>> for tok in vocab: #1 ... if tok in glove.index: ... embed.append(glove.loc[tok]) ... else: ... embed.append(zeroes.copy()) #2 >>> embed = np.array(embed) >>> embed.shape (4000, 50) #1 Ensures the rows
参考来源
- 位置:《Natural Language Processing in Action, Second Edition》第07章《卷积网络识别文本模式》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Natural Language Processing in Action, Second Edition/_epub-src/OEBPS/Text/chapter-7.html)
- 结论依据:摘录中关于预训练嵌入初始化必须按编号对齐的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:Listing 7.23 Loading embeddings and aligning with your vocabulary >>> from nessvec.files import load_vecs_df >>> URL = 'https://gitlab.com/tangibleai/nlpia2/-/' \ ... 'raw/main/src/nlpia2/data/glove.6B.50d.txt.bz2' >>> glove = load_vecs_df(URL) >>> zeroes = [0.] * 50 >>> embed = [] >>> for tok in vocab: #1 ... if tok in glove.index: ... embed.append(glove.loc[tok]) ... else: ... embed.append(zeroes.copy()) #2 >>> embed = np.array(embed) >>> embed.shape (4000, 50) #1 Ensures the rows