python - 如何将数据馈送到 TensorFlow 中的 LSTM 单元以进行多类分类？

Question

我有一个单行句子的数据集，每个句子都属于基于上下文的类。我创建了一个重要单词的词典，并将输入数据转换为特征列表，其中每个特征都是词典长度的向量。我想将此数据输入到动态 LSTM 单元中，但不知道如何重塑它。考虑我的 batch_size = 100，length_lexicon = 64，nRows_Input = 1000

Answer 1

为什么不使用numpy.reshape？查看此文档：https ://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

例如： >>> a = np.arange(6).reshape((3, 2)) >>> a array([[0, 1], [2, 3], [4, 5]])

numpy.reshape¶

numpy.reshape(a, newshape, order='C')

Gives a new shape to an array without changing its data.
Parameters:   

a : array_like

    Array to be reshaped.

newshape : int or tuple of ints

    The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One

形状尺寸可以是-1。在这种情况下，该值是从数组的长度和剩余维度推断出来的。

order : {‘C’, ‘F’, ‘A’}, optional

    Read the elements of a using this index order, and place the elements into the reshaped array using this index order. ‘C’ means to

使用类似 C 的索引顺序读取/写入元素，最后一个轴索引变化最快，回到第一个轴索引变化最慢。'F' 表示使用类似 Fortran 的索引顺序读取/写入元素，第一个索引变化最快，最后一个索引变化最慢。请注意，“C”和“F”选项不考虑底层数组的内存布局，仅参考索引顺序。'A' 表示如果 a 在内存中是 Fortran 连续的，则以类似 Fortran 的索引顺序读取/写入元素，否则表示类似 C 的顺序。

Returns:  

reshaped_array : ndarray

    This will be a new view object if possible; otherwise, it will be a copy. Note there is no guarantee of the memory layout (C- or

返回数组的 Fortran-contiguous)。