模型中编码问题 about ctr_algorithm

[Prayforhanluo]

是一样的， pytorch也好， tensorflow也好， 用的是label编码的方式作为输入的原因之一是，one-hot会有大量内存消耗， 而输入label encode + 查表得方式计算得embedding 与 one-hot后与embedding得weights相乘得到得结果会是一样的。
eg :

x = torch.LongTensor([0,1,2,3])

x_one_hot = nn.functional.one_hot(x)

embedding = nn.Embedding(4, 2)

embedding(x)

tensor([[-0.5853, -0.4129],
[ 1.4309, 2.0298],
[ 0.8416, 0.2533],
[ 0.6935, 1.2494]], grad_fn=)

torch.matmul(x_one_hot.float(), embedding.weight.data)

tensor([[-0.5853, -0.4129],
[ 1.4309, 2.0298],
[ 0.8416, 0.2533],
[ 0.6935, 1.2494]])

[Museens]

这下终于明白了，感谢大佬的回复。