本文共 288 字，大约阅读时间需要 1 分钟。

在深度学习领域，向量常被用来描述输入数据的特征。这种需求在自然语言处理（NLP）和计算机视觉（CV）中尤为突出。在NLP应用中，一个完整的句子会被分解为单个词，每一个单词都有一个对应的 embedding 向量，用来表示该单词在语义上的特性。在计算机视觉中，输入一张图片后，系统会对其中的不同区域或对象进行分割，每个区域都能得到一个 embedding 向量来表示其特征特征表示。嵌入向量的核心作用在于，将输入的高维数据（如词向量或图像向量）映射到一个相对低维但仍能捕捉实体信息的嵌入空间，使得复杂的特征关系能够以更简洁的方式表达和计算。这种方法在特征提取方面具有显著的优势。

转载地址：http://ljmsz.baihongyu.com/