我正在尝试通过本教程学习如何使用Elmo嵌入：
https://github.com/allenai/allennlp/blob/master/tutorials/how_to/elmo.md
我专门尝试使用如下所述的交互模式：
$ ipython
> from allennlp.commands.elmo import ElmoEmbedder
> elmo = ElmoEmbedder()
> tokens = ["I", "ate", "an", "apple", "for", "breakfast"]
> vectors = elmo.embed_sentence(tokens)
> assert(len(vectors) == 3) # one for each layer in the ELMo output
> assert(len(vectors[0]) == len(tokens)) # the vector elements
correspond with the input tokens
> import scipy
> vectors2 = elmo.embed_sentence(["I", "ate", "a", "carrot", "for",
"breakfast"])
> scipy.spatial.distance.cosine(vectors[2][3], vectors2[2][3]) # cosine
distance between "apple" and "carrot" in the last layer
0.18020617961883545
我的总体问题是，如何确保在原始5.5B集上使用经过预训练的elmo模型（在此处描述：https://allennlp.org/elmo）？
我不太明白为什么我们必须调用“断言”，或者为什么要对向量输出使用[2] [3]索引。
我的最终目的是对所有单词嵌入进行平均，以获得句子嵌入，因此，我想确保自己做对了！
感谢您的耐心等待，因为我在这方面还很陌生。
最佳答案
默认情况下，ElmoEmbedder使用1 Bil Word基准上的预训练模型的原始权重和选项。大约8亿个代币。为确保使用最大的模型，请查看ElmoEmbedder类的参数。从这里您可能会发现可以设置模型的选项和权重：
elmo = ElmoEmbedder(
options_file='https://s3-us-west-2.amazonaws.com/allennlp/models/elmo/2x4096_512_2048cnn_2xhighway_5.5B/elmo_2x4096_512_2048cnn_2xhighway_5.5B_options.json',
weight_file='https://s3-us-west-2.amazonaws.com/allennlp/models/elmo/2x4096_512_2048cnn_2xhighway_5.5B/elmo_2x4096_512_2048cnn_2xhighway_5.5B_weights.hdf5'
)
我从AllenNLP提供的预训练模型表中获得了这些链接。
assert是测试和确保变量的特定值的便捷方法。看起来像a good resource以了解更多信息。例如，第一个assert语句确保嵌入具有三个输出矩阵。除此之外，我们用
[i][j]进行索引，因为模型输出3个层矩阵（在这里我们选择第i个），每个矩阵都有n个令牌（在这里我们选择第j个），每个令牌的长度为1024。代码如何比较“苹果”和“胡萝卜”的相似性，两者都是索引j = 3的第四个标记。从示例文档中，我代表以下其中一项：第一层对应于上下文不敏感令牌
表示形式，然后是两个LSTM层。请参阅ELMo纸或
EMNLP 2018的后续工作，以描述什么类型的
信息在每一层中捕获。
本文提供了关于这两个LSTM层的详细信息。
最后，如果您有一组句子，则使用ELMO无需对令牌向量进行平均。该模型是基于字符的LSTM，在标记化的整个句子上都可以很好地工作。使用为句子组设计的一种方法：
embed_sentences()，embed_batch()等。More in the code！