我正在玩 Tensorflow 序列到序列翻译模型。我想知道我是否可以将我自己的 word2vec 导入到这个模型中？而不是使用教程中提到的原始“密集表示”。
在我看来，TensorFlow 似乎正在为 seq2seq 模型使用 One-Hot 表示。首先，对于函数 tf.nn.seq2seq.embedding_attention_seq2seq，编码器的输入是标记化符号，例如'a' 将是 '4'，'dog' 将是 '15715' 等，并且需要 num_encoder_symbols。所以我认为这让我提供了单词的位置和单词的总数，然后该函数可以在 One-Hot 表示中表示单词。我还在学习源代码，但很难理解。
谁能给我一个关于上述问题的想法？
请您参考如下方法:
seq2seq embedding_* 函数确实创建了与 word2vec 非常相似的嵌入矩阵。它们是一个名为 sth 的变量，如下所示:
EMBEDDING_KEY = "embedding_attention_seq2seq/RNN/EmbeddingWrapper/embedding"
知道这一点，你可以修改这个变量。我的意思是——以某种格式获取 word2vec 向量，比如文本文件。假设你在 model.vocab 中有你的词汇表，你可以按照下面的代码片段所示的方式分配读取向量(这只是一个片段，你必须改变它才能让它工作，但我希望它能展示这个想法) .
vectors_variable = [v for v in tf.trainable_variables()
if EMBEDDING_KEY in v.name]
if len(vectors_variable) != 1:
print("Word vector variable not found or too many.")
sys.exit(1)
vectors_variable = vectors_variable[0]
vectors = vectors_variable.eval()
print("Setting word vectors from %s" % FLAGS.word_vector_file)
with gfile.GFile(FLAGS.word_vector_file, mode="r") as f:
# Lines have format: dog 0.045123 -0.61323 0.413667 ...
for line in f:
line_parts = line.split()
# The first part is the word.
word = line_parts[0]
if word in model.vocab:
# Remaining parts are components of the vector.
word_vector = np.array(map(float, line_parts[1:]))
if len(word_vector) != vec_size:
print("Warn: Word '%s', Expecting vector size %d, found %d"
% (word, vec_size, len(word_vector)))
else:
vectors[model.vocab[word]] = word_vector
# Assign the modified vectors to the vectors_variable in the graph.
session.run([vectors_variable.initializer],
{vectors_variable.initializer.inputs[1]: vectors})
