3

我正在尝试在张量流中创建一个递归神经网络。网络的输入是一个向量序列。所有输入的序列长度都不同。我想用一批输入来做到这一点。

谁能帮我具体如何做到这一点？我已经浏览了 tensorflow 网站上的教程，但我仍然不清楚。

4

2 回答 2

2

您可以使用此处定义的 rnn 函数

它需要的参数之一是 sequence_length

sequence_length：指定输入中每个序列的长度。一个 int32 或 int64 向量（张量）大小 [batch_size]。[0, T) 中的值。

以下是如何实现完整循环

# x, state, sequence_length are placeholders
outputs, final_state = tf.nn.rnn(lstm_cell, x, state, sequence_length = sequence_lengths)
# add softmax layer, define loss, training method, etc
...

# code for one epoch
iterations = total_data_length / batch_size
max_sequence_length = max(all_possible_sequence_lengths)
cur_state = initial_state

for i in range(iterations):
    # x is of dimension [max_sequence_length, batch_size, input_size]
    # sequence_lengths is of dimension [batch_size]
    x_data, sequence_data, y_data = mini_batch(batch_size)

    feed_dict = {k: v for k, v in zip(x, x_data)}
    feed_dict.append(sequence_lengths: sequence_data, ...)
    outs, cur_state, _ = session.run([outputs, final_state, train], feed_dict)

由于以下几个原因，这种方法让我有点困惑：

  1. 输入形状是 [sequence_length, batch_size, input_size] 而不是 [batch_size, sequence_length, input_size]。但是，如果您仔细阅读代码并查看 rnn() 是如何实现的，这完全有道理。这也意味着您需要重塑您的输出（具有与输入相同的维度），以便将它们传递给 matmul，然后传递给 softmax。
  2. 函数 rnn() 中的参数输入是一个 python 列表。并且您不能在 feed_dict 中将其作为 {x: x_data} 传递，您将收到一条错误消息“无法散列类型：'list'”。相反，看看我是如何在上面的代码中使用理解的。
于 2016-04-26T07:28:27.820 回答
0

这取决于您的数据集，但您可以执行以下操作：

  1. 使用数据集中的最大长度，或
  2. 使用合理的大小（例如，256），如果输入数据长于大小，则将其拆分为大小。
于 2016-04-17T12:39:50.163 回答