python - RNN 示例中的 Tensor Reshape No-op

Question

这段代码在文件中的方法zero_state中到底做了什么？我不完全确定表格的形状意味着什么......RNNCellrnn_cell.py[-1, n]

Answer 1

reshape 的语义类似于 numpy 的语义：http: //docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

它将张量更改为具有二维，并且第二维应该具有 self.state_size 元素。例如，如果我的张量有 6 个元素并且我将其重塑为 [-1, 2]，那么第一个维度将有 6 / 2 = 3 个元素。

Answer 2

拉法尔的例子很棒。我记得 -1 的方式是，它将该维度的大小设置为适合原始张量中的所有数据所需的大小。重塑中只能有一个 -1。

如果原始张量的大小为 a、b、c（总元素 = a b c）并且您将其调整为 x、y、-1，

那么效果将是 -1 最终将成为 a b c/(y*z)。

一个 3,3,3 张量（27 个元素）重新整形为 9,3,-1 的大小实际上是 9,3,1（27 个元素）

Answer 3

文档含糊地暗示了 -1 的行为。

如果 shape 是特殊值 [-1]，则张量被展平，并且操作输出一个包含所有张量元素的一维张量。

当形状是一个数组时，其中一个元素是 -1，这个值只是一个方便的占位符，用于一些可能产生相同形状的整数。请注意，可能没有这样的整数（例如，如果您的起始矩阵是[5x5]您不能用 重塑它[7, -1]）。

同样如您所见，不能有两个 -1，因为这会使形状模棱两可。如前所述，该行为类似于numpy 的 reshape。