在keras/tf中定制多热嵌入层

我想在keras中创建一个自定义嵌入层,但不确定如何进行。

作为输入,我会为每个示例传递一个可变数量的整数(索引,我想从中生成一个固定大小的向量)。这种嵌入的numpy版本(批量大小=1)是:

class numpyEmbedding():

    def __init__(self,vocab_size):
        self.vocab_size  = vocab_size
        self.build()


    def build(self):
        self.W = np.eye(self.vocab_size,dtype=np.int8)

    def __call__(self,x):
         return np.sum(self.W[:,x],axis=-1)

我认为keras版本的这一层应该是可能的,但我不确定如何让它工作,以及我需要考虑什么,因为它必须应用于小批量阵列,而不是单个阵列。

谢谢

伊利亚

编辑:

输入示例:

vec = np.random.choice(np.arange(10),100).astype(int)
emb=numpyEmbedding(int(10))(vec)

输出:

array([11, 10, 11,  9,  8,  9, 13, 12,  6, 11])