3

我想知道如何在 tensorflow rnn 中制作解码器，将它的第 i 个输出馈送到第 (i+1) 个输入

我的输入有 20 个序列和 3680 个 dementions，我的输出有 39 个序列和 3680 个 dementions 所有数据都是 0~1 数字

这是我的模型

with tf.variable_scope('encoder'):    
    enc_input = tf.placeholder(tf.float32,[None, input_sequence_length, input_dim])

    enc_cell = tf.contrib.rnn.BasicLSTMCell(num_units = input_sequence_length)

    _ , encoder_states = tf.nn.dynamic_rnn(enc_cell, enc_input ,  dtype=tf.float32)

with tf.variable_scope('decoder'):
    dec_input = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])
    dec_output = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])

    dec_cell = tf.contrib.rnn.BasicLSTMCell(num_units = output_sequence_length)

    outputs , _ = tf.nn.dynamic_rnn(dec_cell, dec_input,dtype = tf.float32,
                                    initial_state = encoder_states)

我如何制作将先前输出馈送到下一个输入的解码器模型？

附言

我像这样制作我的自我回答代码

with tf.variable_scope('decoder'):
    dec_input = tf.placeholder(tf.float32,[None, 1, output_dim])
    dec_output = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])

    outputs = []
    state = encoder_states

    dec_cell = tf.contrib.rnn.BasicLSTMCell(num_units = dec_hidden_size)

    for i in range(output_sequence_length):
        if i==0:
            output , state = tf.nn.dynamic_rnn(dec_cell, dec_input, initial_state = state, dtype = tf.float32)
            outputs.append(output)
        else:
            output , state = tf.nn.dynamic_rnn(dec_cell, 
                                                 output, 
                                                 initial_state = state, 
                                                 dtype = tf.float32)
            outputs.append(output)

outputs = tf.reshape(outputs,[-1,output_dim])
outputs = tf.reshape(outputs,[-1,output_sequence_length,output_dim])

我认为这段代码的输出与上面代码的输出不同，但我不确定它是否正常工作。

所以我仍然想知道如何使用tensorflow方法制作具有循环函数（（i）输出->（i + 1）输入）的解码器，因为它比上层代码需要更多的内存分配。（在我看来它具有相同的细胞计数）

4

0 回答 0