10

我正在尝试使用 RNN 解决可变长度多元序列分类问题。

我已经定义了以下函数来获取序列的输出（即在序列的最终输入被馈入后RNN单元的输出）

def get_sequence_output(x_sequence, initial_hidden_state):
    previous_hidden_state = initial_hidden_state
    for x_single in x_sequence:
        hidden_state = gru_unit(previous_hidden_state, x_single)
        previous_hidden_state = hidden_state
    final_hidden_state = hidden_state
    return final_hidden_state

这x_sequence是形状的张量在(?, ?, 10)哪里？是批量大小和第二个？用于序列长度，每个输入元素的长度为 10。gru函数采用先前的隐藏状态和当前输入并吐出下一个隐藏状态（标准门控循环单元）。

我收到一个错误：'Tensor' object is not iterable. 如何按顺序迭代张量（一次读取单个元素）？

我的目标是为gru序列中的每个输入应用函数并获得最终的隐藏状态。

4

2 回答 2

10

在 TF>=1.0 中，tf.pack分别重tf.unpack命名为tf.stack和tf.unstack

于 2017-05-03T01:01:24.500 回答
8

您可以使用将第一个维度转换为列表的 unpack 函数将张量转换为列表。还有一个 split 函数可以做类似的事情。我在我正在研究的 RNN 模型中使用 unstack。

y = tf.unstack(tf.transpose(y, (1, 0, 2)))

在这种情况下， y 从形状 (BATCH_SIZE, TIME_STEPS, 128) 开始，我将其转置以使时间步长成为外部维度，然后将其解压缩到张量列表中，每个时间步长一个。现在 y 列表中的每个元素如果形状为 (BATCH_SIZE, 128)，我可以将它输入到我的 RNN 中。

于 2016-07-22T17:06:42.457 回答