文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.mint.nn.functional.embedding

mindspore.mint.nn.functional.embedding(input, weight, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False)

以 input 中的值作为索引，从 weight 中查询对应的embedding向量。

警告

在Ascend后端， input 的值非法将导致不可预测的行为。

参数：

• input (Tensor) - 用于检索的索引输入。取值范围： [0, weight.shape[0]) 。

• weight (Parameter) - 用于检索的数据。必须是2D输入。

• padding_idx (int, 可选) - 如果给定非 None 值，则 weight 中对应行在反向计算中不会更新。取值范围：[-weight.shape[0], weight.shape[0])。默认值 None 。

• max_norm (float, 可选) - 如果给定非 None 值，则先求出 input 指定位置的 weight 的p-范数结果reslut（p的值通过 norm_type 指定），然后对 result > max_norm 位置的 weight 进行原地更新， 更新公式：$\frac{max\mathrm{\_}norm}{result+1e^{-7}}$ 。默认值 None 。

• norm_type (float, 可选) - 指定p-范数计算中的p值。默认值 2.0 。

• scale_grad_by_freq (bool, 可选) - 如果值为 True ，则反向梯度值会按照 input 中索引值重复的次数进行缩放。默认值 False 。

返回：

Tensor，数据类型与 weight 保持一致，shape为 $(\ast input.shape,weight.shape[1])$ 。

异常：

• ValueError - padding_idx 的取值不在有效范围。

• ValueError - weight.shape 非法。

• TypeError - weight 不是 mindspore.Parameter 。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, Parameter, mint
>>> input = Tensor([[1, 0, 1, 1], [0, 0, 1, 0]])
>>> weight = Parameter(np.random.randn(3, 3).astype(np.float32))
>>> output = mint.nn.functional.embedding(input, weight, max_norm=0.4)
>>> print(output)
[[[ 5.49015924e-02,  3.47811311e-01, -1.89771220e-01],
  [ 2.09307984e-01, -2.24846993e-02,  3.40124398e-01],
  [ 5.49015924e-02,  3.47811311e-01, -1.89771220e-01],
  [ 5.49015924e-02,  3.47811311e-01, -1.89771220e-01]],
 [[ 2.09307984e-01, -2.24846993e-02,  3.40124398e-01],
  [ 2.09307984e-01, -2.24846993e-02,  3.40124398e-01],
  [ 5.49015924e-02,  3.47811311e-01, -1.89771220e-01],
  [ 2.09307984e-01, -2.24846993e-02,  3.40124398e-01]]]