回答情况：
提问时间：
问题标签：
我想结合supervised_embeddings来测试SpacyNLP管道。但是，如果我尝试启动它，我会得到这个堆栈跟踪。如果在config.yml中，我只保留supervised_embeddings，则不会发生这种情况。Known pipeline templates: pretrained_embeddings_spacy, keyword, supervised_embeddings 我是不是漏掉了什么？)
Exception: Failed to find comp
浏览 15修改于2019-05-30得票数 0
# Look up embeddings for inputs. tf.random_uniform([vocabulary_size, embedding_size相反，只使用一个组件：norm = tf.sqrt(tf.reduce_sum(tf.square(embeddings),
浏览 1修改于2016-06-23得票数 10
回答已采纳
我已经使用以下配置训练了RASA NLU模型pipeline:此配置默认为组件列表，- name: "EntitySynonymMapper"此外，我还尝试了所有其他现成的配置，如supervised_embeddingsand pret
浏览 1修改于2019-12-23得票数 0
def distance(self, embeddings1, embeddings2, distance_metric=0): embeddings1 = embeddings1/np.linalg.norm(embeddings1, axis=1, keepdims=True)
embeddings2 = embe
浏览 2修改于2020-06-20得票数 2
1回答
# glove word embeddingsembeddings_index = {} means = [] for doc in docs :(train['title'],embeddings)
test_fe
浏览 0修改于2019-10-06得票数 1
但是现在我发现我可以使用predict方法：support_set_embeddings_predict = encoder(X_train)
print("Embeddings predict type: ", type(support_set_embedd
浏览 3提问于2020-09-10得票数 1
回答已采纳
我想通过函数tf.cast()将word_embeddings数据类型从float32_ref修改为float32 word_embeddings_modify=tf.cast(word_embeddings,dtype=tf.float32) 但它并没有像预期的那样工作，word_embeddings_modify dtype仍然是tf.float32_ref。word_embeddings = tf.scatter_nd_update(var_output, error_word_f,sum_a
浏览 76修改于2019-01-06得票数 3
回答已采纳
origin_embeddings = tf.constant([[1.1,2.2,3.3], [10.10, 11.11, 12.12]]) # 4 * 3
[1.0, 2.0, 3.0], #
浏览 0修改于2020-03-05得票数 2
回答已采纳
word_embeddings = tf.nn.embedding_lookup(params=_word_embeddings,ids=self.word_ids)Tensor conversion requesteddtype float32_ref for Tensor with dtype float32 从错误中看，函数s
浏览 183修改于2019-01-10得票数 0
回答已采纳
1回答
values = line.split() embed = np.array(values[1:], dtype=np.float32)print('Loaded %s word vectors.' % len(embeddings_index))
# Embeddings for available wordsdata_embeddings = {key: value for ke
浏览 9修改于2020-06-09得票数 1
回答已采纳
tqdm import tqdm ## tracks progress of loop ##from flair.data import Sentencebert_embeddings= TransformerDocumentEmbeddings('bert-base-uncased
浏览 6修改于2020-11-12得票数 2
= hub.Module("https://tfhub.dev/google/elmo/2", trainable=True)
embeddings_tensor = elmo(input_tensor, signaturei got the problem *
w
浏览 2提问于2022-03-01得票数 0
(vectorized, axis=0) return averaged
embeddings = clean_text['tokens'].apply(lambda x:generate_missing=generate_missing))
return list(embedd
浏览 9修改于2022-06-12得票数 0
name='tetha2plh')[getting embeddings1,embeddings2, embeddings3 from my model]
loss = loss_function (embeddings1,embeddings1,embeddings3, hype
浏览 0提问于2017-04-08得票数 0
, layer_map): output_embeddings= torch.matmul(lin_layers[0], embeddings.T).T for emb_type in
浏览 13修改于2022-02-07得票数 0
回答已采纳
sentence_model = SentenceTransformer("all-MiniLM-L6-v2")topic_model = BERTopic().fit_transform(training_docs, embeddings)然后，我使用泡菜保存了embedd
浏览 32提问于2022-11-18得票数 0
回答已采纳
我有一段代码：print("Class prototype type: ", type(class_prototype))
print("Supportset embeddings shape: ", supp
浏览 5提问于2020-09-10得票数 0
回答已采纳
model returns all hidden-states.我想要创建一个具有相同架构和随机初始权重的新模型，但嵌入层除外：bert.embeddings.position_embeddings.weight (512, 768)
bert.embeddings.token_type_embedding
浏览 0提问于2021-05-25得票数 1
回答已采纳
def initialize_embeddings(self): self.word2vec = {} self.num_words = min(
浏览 4修改于2021-03-13得票数 0
() print(embeddings)from sentence_embeddings import Embeddings
@app.route('/get-similar-claims= "&quo
浏览 3提问于2019-07-30得票数 1
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号