问题描述
我正在使用神经网络根据网络输出的嵌入向量对商品进行分类。嵌入向量之间的L2距离用于计算项目所属的类别。我的数据集为我提供了每个类很多的嵌入向量，每个类大约10,000个嵌入向量，并且我总共有10个类。这些嵌入向量中的大多数在多维空间中“重叠”，并且是多余的。 我可以使用哪些算法来修剪嵌入向量的数量，以便获得最少的可行的向量集，以完全描述每个类？
例如，一个类的5个嵌入向量可能足以描述该类，我该如何选择5个最佳和描述性向量，并修剪其余的9995（大多数相互重叠，因此是多余的）？ / p>
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）