如何将词向量部分向量设置为可训练，其他不可训练
发布于2019-08-06 19:30 阅读(835) 评论(0) 点赞(5) 收藏(5)
在 tensorflow 中加载预训练的词向量时，存在一个问题，UNK 没有被训练， 如果添加 UNK 需要随机初始化，但是这样不可避免会影响精度，所以，尝试着将词向量设置成部分可训练，部分不可训练。
在写的时候想到，可以将 UNK 和 预训练的词向量分开定义，将词向量的变量设置为不可训练，UNK 设置为可训练，然后将这些变量连接起来即可。代码如下：
import tensorflow as tf
tf.reset_default_graph()
x1 = tf.Variable([1], dtype=tf.float32, trainable=False)
x2 = tf.Variable([10], dtype=tf.float32, trainable=True)
X = tf.concat([x1, x2], axis=0)
labels = [1]
logits = tf.reduce_sum(X, axis=0)
loss = tf.reduce_mean(tf.square(logits - labels))
optimizer = tf.train.AdadeltaOptimizer(0.1)
train = optimizer.minimize(loss)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(X))
for i in range(10000):
_, value = sess.run([train, loss])
if i > 9995: print(sess.run(X), value)输出为：
[ 1. 10.]
[ 1. 8.49360371] 72.1448
[ 1. 8.49339581] 72.1413
[ 1. 8.4931879] 72.1378
[ 1. 8.49298] 72.1342
所属网站分类: 技术文章 > 博客
作者：3434erer
链接：https://www.pythonheidong.com/blog/article/9371/2bb9684595623568a165/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力