embedding和onehot,embedding和onehot可以连在一起吗

将汉字表示为 OneHot 的形式 在每行末尾加上 符号是为了标识这首诗已经结束，说明 符号之前的语句和之后的语句是没有关联关系的，后面会舍弃掉包含 符号的训练数据 puncs = #39#39， #39#39， #39#39， #39#39， #39#39， #39。

因此，就需要使用Onehot编码对gt进行编码，将其编码为 H， W， 5 ，最后再对维度进行transpose即可编码前和编码后的变化类似图中所示上图对应编码前，下图对应编码后mask_to_onehot 用来将标签进行onehot。

可以看见两者的结果是一样的，所以猜测embedding内部就是先将句子中每个词的索引表示转化为onehot表示，然后对编码后的数据进行矩阵的变换，其中参数开始是输出化的，后面训练的时候可以用来学习编码后的输出为batch，seq_le。

要了解 embedding 的优点，我们可以对应 Onehot 编码来观察Onehot 编码是一种最普通常见的表示离散数据的表示，首先我们计算出需要表示的离散或类别变量的总个数 N，然后对于每个变量，我们就可以用 N1 个 0 和单个 1 组成的 vec。

原理 #8195#8195假设一共有 个物体，每个物体有自己唯一的id，那么从物体的集合到 有一个trivial的嵌入，就是把它映射到 中的标准基，这种嵌入叫做 Onehot embeddingencoding #8195#8195应用。

有序分类变量是指具有内在顺序关系的类别，例如学历小学初中高中大学等在机器学习模型中，有效地利用有序分类变量可以提高模型的性能和预测准确性以下是一些建议1独热编码OneHotEncoding将有序分类。