python - 使用动态 rnn（洋红色）时出错：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]

Question

所以我从洋红色运行这段代码并进行了一些修改：

outputs, final_state = tf.nn.dynamic_rnn(
                self.cell,
                m_seq,
                sequence_length=lens,
                initial_state=initial_state,
                swap_memory=swap_memory,
                parallel_iterations=parallel_iterations)

其中self.cell是具有两层的 MultiRNN 单元，是m_seq具有形状 [1,38] 的一个热长度向量，并且是具有形状 [128,512]（批量大小和层大小）state的两个元组。LSTMStateTuplech

当我运行它时，我得到：

InvalidArgumentError（参见上文的回溯）：ConcatOp：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]

现在我明白这意味着输入m_seq和状态之间的不匹配。但是，两个维度都必须匹配（1 和 128、38 和 512）吗？我真的不明白为什么会这样。为什么它们必须完全匹配，因为这是一个动态 rnn。

Answer 1

ConcatOp ：输入的尺寸应该匹配

我相信这回答了我的问题。批量大小（第一个参数）必须匹配，但第二个（序列长度）不需要匹配，因为它是动态 RNN。在任何情况下，都可以使用占位符来采用不同的批量大小。

Answer 2

来自动态 RNN 文档：

前两个维度必须在所有输入中匹配，否则等级和其他形状组件可能会有所不同。

因此，即使它是动态 RNN，输入维度也必须匹配。