1樓：
詞嵌入訓練的時候會用一張表儲存所有訓練集中的詞語，輸入乙個句子，查表直接讀出句子向量送到後續層做cbow或者skipgram訓練。
2樓：roger
乙個意思，例如「我是誰」，我在lookuptable的index為3的位置，是在17的位置，誰在6的位置，那就是分別在table裡把3，17，6位置的embedding取出來stack到一起
3樓：Thinkwee
embedding指使用各種方法（w2v,glove,pretrained lm,隨模型訓練）得到的不同級別單元（字，詞，句子，篇章）的特徵向量，lookup table是所有單元，以詞為例，就是整個詞典所有詞的embedding構成的矩陣。
為什麼叫lookup table，哪來的look up？因為實際模型執行的時候，不是把所有詞變成embedding存在檔案裡，然後模型讀取檔案，而是把詞變成one hot向量，one hot向量和embedding矩陣相乘得到對應詞的embedding，這個過程等價於根據詞在詞典中的下標（one hot裡1的下標）在embedding矩陣（V行E列）裡查出對應行得到embedding向量，這個過程即look up。
Tensorflow 中 Embedding 層為什麼要用矩陣乘來實現？
一棵有思想的韭菜 我的猜想是這樣的 用one hot matrix 乘 embedding matrix來選擇，對與GPU來說是非常高效的，如果用CPU就會慢很多，但是如果這個實現用的是你說的index定址，這就實打實的是線性時間來，有GPU也無法加速。 Chan Yu 引用一下官方1.14版本的文...
Java中synchronized鎖和Lock鎖在CPU層的實現，或者說在JVM層的實現是否是一致的？
蘇維 這兩個東西實現的原語不一樣，一種是mutex原語，一種是monitor原語，原語決定了用途，怎麼實現反而是次要的，隨時都能改。 wuxinliulei 不能完全這麼說，因為synchronized鎖在jdk1.6之後優化為偏向鎖，輕量級鎖，重量級鎖三種形態，CAS的使用是輕量級鎖，重量級鎖的實...
凸優化中strongly convex和L smooth有什麼應用？
梁令 這些很大程度是為了證明演算法收斂性和收斂率而假設的。乙個簡單的應用是，在這些條件下，accelerated proximal gradient APG 等一階演算法可以有複雜度結果 O 1 k 2 當沒有這些條件時，分析起來會很難，比如如果沒有這兩個條件，大家又轉頭去考慮類似自洽 self c...