我在

[daqiang2]

我在load_model的时候出现了normalized_embeddings与模型中的不匹配的问题，提示说原模型中的为（3876，128），可以询问一下这是为什么》

[Luka0612]

@daqiang2 麻烦清楚描述下或者截图你的运行，以及报错的内容哈

[daqiang2]

在lodel_model时，加载出来的normalized_embeddings的维度是（3876，,128），不是预想的（200000,128），
你好方便给个联系方式吗 ？这样交流方便些，谢谢麻烦你了。我的qq 457705137

[Luka0612]

@daqiang2 你好，不太习惯加联系方式，就在这沟通，其他有相同问题的小伙伴也可以看到。你看下vocabulary_size是否设置成200000

[daqiang2]

我检查过vocabulary这个设置使正确，但加载出来的embedding似乎是stroke_embedding

[daqiang2]

我也详细看代码了按理说是没错的，不知道为什么？

[Luka0612]

@daqiang2 你用word_embedding的代码加载了stroke_embedding的内容了，改下代码或改下记载的路径

[daqiang2]

我加载的是是你提供的训练模型cw2vec的保存参数，

这里是加载模型中normalized_embedding啊，怎么加载出来就成了stroke_embedding呢？

[zzb5233]

embeddings_stroke = tf.Variable(tf.random_uniform([self.stroke_size, self.embedding_size], -1.0, 1.0))

将最后的stroke为0

one_hot = tf.one_hot(0, self.stroke_size, dtype=tf.float32)
one_hot = tf.transpose(tf.reshape(tf.tile(one_hot, [self.embedding_size]), shape=[self.embedding_size, self.stroke_size]))
embeddings_stroke = embeddings_stroke - embeddings_stroke[0]*one_hot
lookup_embed = tf.nn.embedding_lookup(embeddings_stroke, train_inputs)
stroke_length = get_length(lookup_embed)
embed = []
for i in range(self.batch_size):
embed.append(tf.reduce_sum(lookup_embed[i][:stroke_length[i]], 0))
这段没有看懂，我测试感觉是在找最大值。
word2vec_basic.py中这块是：
embed = tf.nn.embedding_lookup(embeddings, train_inputs)

[zzb5233]

get_length以前的代码与word2vec_basic.py的几乎一致，不一样的地方是embeddings_stroke[0]被设置为全0列表,而word2vec_basic.py中是直接使用初始化后的embeddings，然后调用tf.nn.embedding_lookup()

[Luka0612]

@zzb5233 关键不是设置为全0列表这个，因为字符编码跟词编码是不一样的，词是多个偏旁部首的组合，所以需要tf.reduce_sum

[zzb5233]

你是把原来的[batch_size, stroke_seq_length, embedding_size]最后一个纬度按照实际长度进行了加和操作，变成了[batch_size, embedding_size],这样做是为了啥？

[Alex-ixxooi-com]

我加载的是是你提供的训练模型cw2vec的保存参数，

这里是加载模型中normalized_embedding啊，怎么加载出来就成了stroke_embedding呢？

问题解决了吗。我也是这个问题