tensorflow - keras 中的多个嵌入层

Question

使用预训练嵌入，我们可以将它们指定为 keras 嵌入层中的权重。要使用多个嵌入，指定多个嵌入层是否合适？ IE。

embedding_layer1 = Embedding(len(word_index) + 1,
                        EMBEDDING_DIM,
                        weights=[embedding_matrix_1],
                        input_length=MAX_SEQUENCE_LENGTH,
                        trainable=False)

 embedding_layer2 = Embedding(len(word_index) + 1,
                        EMBEDDING_DIM,
                        weights=[embedding_matrix_2],
                        input_length=MAX_SEQUENCE_LENGTH,
                        trainable=False)

 model.add(embedding_layer1)
 model.add(embedding_layer2)

This建议将它们总结起来并将它们表示为一个层，这不是我所追求的。

Answer 1

我遇到了同样的问题。是不是因为 keras.Embedding 层在内部使用某种对象(我们称之为 x_object)，它在 keras.backend 全局 session K 中被初始化。
因此，第二个嵌入层会抛出一个异常，表示 x_object 名称已存在于图中并且无法再次添加。