请参阅文档 "Embed" 层:
"Embed"
用于学习单热矢量输入的“嵌入”的层。相当于具有单热矢量作为输入的InnerProductLayer,但是为了效率,输入是每列本身的“热”索引。
因此,您的输入不是表示单词(或字符或“项目”)的“热矢量”,而是单词的紧凑表示:该单词中的单词的整数索引。
所以,如果你有 M=1000 你的字典中的单词,你想学习嵌入100维空间:
M=1000
layer { name: "embed1000_to_100" type: "Embed" bottom: "compact_one_hot_dim1000" top: "embed1000_to_100" embed_param { num_output: 100 # output dimension input_dim: 1000 } }
注意数据 "compact_one_hot_dim1000" 应该是范围内的整数(0..999)。
"compact_one_hot_dim1000"
看到 caffe.help 欲获得更多信息。