1

让我们考虑一个简单的数据集：

X_train = np.ones((2, 5, 4))

要实现一个简单的 LSTM 模型并通过它运行数据集（无需训练），我可以执行以下操作：

lstm_model = tf.keras.models.Sequential()
lstm_model.add(tf.keras.layers.LSTM(units=16, return_sequences=False, input_shape=X_train.shape[-2:]))

print(lstm_model.predict(X_train))

这产生与以下相同的结果：

lstm_model = tf.keras.models.Sequential()
lstm_model.add(tf.keras.layers.RNN(tf.keras.layers.LSTMCell(units=16, input_shape=X_train.shape[-2:])))

print(lstm_model.predict(X_train))

但是，我不明白如何使用旧版本生成相同的结果：

g = tf.Graph()

with g.as_default():
    X = tf.compat.v1.placeholder(tf.float32, shape=[None, 5, 4])
    cell = tf.compat.v1.nn.rnn_cell.LSTMCell(16)
    outputs, state = tf.compat.v1.nn.dynamic_rnn(cell, X, dtype=tf.float32)

with tf.compat.v1.Session(graph=g) as sess:
    print(sess.run(state.h, feed_dict={X: X_train}))

您能否展示如何修改最后一段代码以获得与前两个相同的结果？

4

0 回答 0