在Windows上使用Word2vec和Tensorflow

在Tensorflow的这个教程文件中 ，find了以下行（第45行）来加载word2vec“extension”：

word2vec = tf.load_op_library(os.path.join(os.path.dirname(os.path.realpath(__file__)),'word2vec_ops.so'))

我正在使用Windows 10，正如在这个问题中指出的， .so文件是针对Linux的。

什么是在Windows上加载的等效扩展？

另外，我不明白为什么在安装Tensorflow时包含了这么多的东西，但是Word2Vec必须在本地构build。 在文档中， 在Windows上安装TensorFlow ，没有提到必须构build这些扩展。

如何将LF转换为CRLF？

简单的非基于Web的错误跟踪器

使用命名（fifo）pipe道在python和c ++之间传输数组（图像）

在Python 2.7中使用线程smtpd的linux和os x之间奇怪的行为差异

一个简单的Python部署问题 – 一个痛苦的世界

这是一个旧的做法，现在已经改变了，一切都随着安装？ 如果是这样，那么这个改变如何适用于例子中的word2vec模块呢？

Python Windows启动程序不读“py.ini”

不能让pandas安装！ 帮帮我！ （pip安装pandas）

从另一台机器同一networking访问Django devserver

在Linux中构build便携式Tesseract OCR库

从MS Windows任务栏隐藏窗口

是的，它已经改变了！ Tensorflow现在包含了一个辅助函数tf.nn.embedding_lookup ，可以很容易地嵌入数据。

你可以通过做这样的事情来使用它，即

embeddings = tf.Variable( tf.random_uniform([vocabulary_size,embedding_size],-1.0,1.0)) nce_weights = tf.Variable( tf.truncated_normal([vocabulary_size,stddev=1.0 / math.sqrt(embedding_size))) nce_biases = tf.Variable(tf.zeros([vocabulary_size])) # Placeholders for inputs train_inputs = tf.placeholder(tf.int32,shape=[batch_size]) train_labels = tf.placeholder(tf.int32,shape=[batch_size,1]) embed = tf.nn.embedding_lookup(embeddings,train_inputs) # Compute the NCE loss,using a sample of the negative labels each time. loss = tf.reduce_mean( tf.nn.nce_loss(weights=nce_weights,biases=nce_biases,labels=train_labels,inputs=embed,num_sampled=num_sampled,num_classes=vocabulary_size)) # We use the SGD optimizer. optimizer = tf.train.GradientDescentOptimizer(learning_rate=1.0).minimize(loss) for inputs,labels in generate_batch(...): Feed_dict = {train_inputs: inputs,train_labels: labels} _,cur_loss = session.run([optimizer,loss],Feed_dict=Feed_dict)

完整的代码在这里 。

一般来说，我会犹豫过度依赖tensorflow/models回购。 它的一部分是相当过时的。 主要的tensorflow/tensorflow回购得到更好的维护。