python之tensorflow word2vec 教程如何更新嵌入_编程设计

此线程接近:What is the purpose of weights and biases in tensorflow word2vec example?

但我对此的解释仍然遗漏了一些东西:https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/examples/tutorials/word2vec/word2vec_basic.py

据我了解，您将词典中的目标词和上下文词的索引提供给网络。

_, loss_val = session.run([optimizer, loss], feed_dict=feed_dict) 
average_loss += loss_val

然后查找批量输入以返回开始时随机生成的向量

    embeddings = tf.Variable( 
    tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0)) 
    # Look up embeddings for inputs. 
    embed = tf.nn.embedding_lookup(embeddings, train_inputs)

然后优化器调整权重和偏差以最好地预测标签而不是 num_sampled 随机选择

 loss = tf.reduce_mean( 
  tf.nn.nce_loss(weights=nce_weights, 
                 biases=nce_biases, 
                 labels=train_labels, 
                 inputs=embed, 
                 num_sampled=num_sampled, 
                 num_classes=vocabulary_size)) 
 
  # Construct the SGD optimizer using a learning rate of 1.0. 
  optimizer = tf.train.GradientDescentOptimizer(1.0).minimize(loss)

我的问题如下:

嵌入变量在哪里更新？。在我看来，我可以通过神经网络运行单词索引或仅获取 final_embeddings 向量并使用它来获得最终结果。但我不明白 embeddings 的随机初始化在哪里发生了变化。
如果我要绘制这个计算图，它会是什么样子(或者更好的是，实际这样做的最佳方法是什么)？
这是一次运行批处理中的所有上下文/目标对吗？还是一个一个的？

请您参考如下方法:

嵌入嵌入是一个变量。每次你做反向传播时它都会更新(同时运行有损失的优化器)

Grpah:您是否尝试保存图形并将其显示在 tensorboard 中？这是您要找的吗？

批处理:至少在您链接的示例中，他正在使用第 96 行的函数进行批处理。https://github.com/tensorflow/tensorflow/blob/r1.2/tensorflow/examples/tutorials/word2vec/word2vec_basic.py#L96

如果我误解了你的问题，请纠正我。