paddle-paddle 我正在尝试在文本生成演示中向 RNN SeqToSeq 网络添加额外的编码器和解码器层，例如 GNMT 论文：https ://arxiv.org/pdf/1609.08144v2.pdf

在代码点（https://github.com/baidu/Paddle/blob/master/demo/seqToseq/seqToseq_net.py#L100），我添加了一个附加层：

而且因为第二层编码器的输出不再是一个序列，我不得不在https://github.com/baidu/Paddle/blob/master/demo/seqToseq/seqToseq_net.py#L131is_sequence取消设置标志，即：

我尝试过的完整代码位于https://gist.github.com/alvations/c86c82d935ac6ef37c472d19232ebbb6

如何在 Paddle 的 SeqToSeq 演示中向 RNN 编码器-解码器网络添加层？

还有一个相关的问题，如果我要在编码器处添加一个层，是否必须在解码器端也添加一个层？

还有一点就是顺序问题。经过多层RNN之后，序列就不存在了，可以吗？还是我错误地堆叠图层？

已编辑

我已经尝试过这样的事情，它训练并保存模型，我能够解码（即生成）新的翻译，但不知何故，分数比使用单层双向 GRU 低得多。

大部分代码与 Paddle 中的演示代码相同，但我已经添加了这些。

在编码器：

在解码器上：

我仍然不确定我是否正确堆叠图层。

我正在尝试将 base64 字符串转换为字节数组，但它会引发以下错误

java.lang.IllegalArgumentException：非法 base64 字符 3a

我尝试了以下选项 userimage 是 base64 字符串

我正在 TensorFlow 中实现 SegNet，我用它来将航拍图像分割成两个类：“Building”和“Not building”。我有一个小版本的网络，它的准确率高达 82% mIoU。

但是，我想通过添加多个卷积层来扩展网络，就像原来的 SegNet 一样，但我无法让它工作。

这就是我实现工作的小模型的方式：

这是扩展模型，结果非常糟糕：

卷积层：

扩展模型获得大约 10% 的 mIoU，因为图像中的所有像素都被归类为“未构建”类。谁能帮我理解为什么会这样？看过SegNet的caffe实现，看不出两种实现的区别。

我正在尝试使用Tensorflow中的 seq2seq.dynamic_decode 来构建序列到序列模型。我已经完成了编码器部分。decoder_outputs我对似乎返回的解码器感到困惑，[batch_size x sequence_length x embedding_size]但我需要实际的单词索引来正确计算我的损失[batch_size x sequence_length]。我想知道我的一个形状输入是否不正确，或者我只是忘记了什么。
解码器和编码器单元是rnn.BasicLSTMCell()。

我的应用程序创建了几个MediaCodec实例，它们作为视频/音频解码器和编码器并行工作。

我知道视频编解码器有限制缓冲区空间，这个限制取决于设备。

例如，在三星 SM-P600 选项卡上，我可以创建四个分辨率为 720p 的 MediaCodecs：

1280*720*4=3686400

但不是五个：

1280*720*5=4608000

因为编解码器在配置过程中会返回错误：

在配置 MediaCodecs 以计算我需要的所有 MediaCodecs 的最大可用分辨率之前，如何获得最大分辨率（4177920） ？

我有一个 json 文件，我必须将其推送到 MongoDB 中。有不同编码的数据段。喜欢

和

当我尝试读取文件时，它会引发编解码器错误。如您所见，这两个块具有不同的格式 -utf-16LE和ASCII.

我如何阅读这个文件？

参考： https ://github.com/udacity/deep-learning/blob/master/seq2seq/sequence_to_sequence_implementation.ipynb

设置： encoding_embedding_size=decoding_embedding_size = 200

它以形状 (1, 200) 进入循环，但在一次迭代后具有形状 (?, 200)。使用 tf.while_loop 的 shape_invariants 参数或循环变量上的 set_shape() 提供形状不变量。

有谁知道如何解决它？

我有一个 ImageReader，它的表面连接到 MediaCodec 解码器以进行渲染。

onImageAvailableCallback看起来像这样的自动取款机：

如 TODO 评论中所示，我想复制所获取的原始数据以进行进一步处理。Image 类提供的接口允许我查询平面的数量并获取单个平面数据，但我有兴趣一次抓取整个帧。关于我如何做到这一点的任何建议？ImageImageReader

简而言之，我正在使用 MediaCodec 视频解码器渲染到 ImageReader 拥有的 Surface 中，并最终希望以YUV420NV21 格式从 ImageReader 中获取解码后的视频帧以进行进一步处理。

我正在尝试构建一个基本的编码器-解码器模型。我为训练图建立了模型，它运行良好。解码器的助手是tf.contrib.seq2seq.TrainingHelper. 但是当我切换到助手时，tf.contrib.seq2seq.GreedyEmbeddingHelper它会引发形状错误。

这是我的工作帮手。

这就是我想要做的。

我正在使用相同的解码器和动态解码。它适用于TrainingHelper，但不适用于GreedyEmbeddingHelper。

这就是错误。

我的 web 服务器必须用 C# 编写，它将通过 PNG 格式的 http 图像。程序必须对这些图像施加过滤器。服务器将是多线程的，它的处理速度非常快。

在 .NET 中是一个System.Drawing.Bitmap类，它已经可以强加过滤器。但是我发现将字节从流转换为位图需要很多时间，我做

var pict = (Bitmap) Image.FromStream(imageStream)

在 .NET 中还有PngBitmapDecoder来自命名空间 system.System.Windows.Media.Imaging 的类；但是使用它进行解码所需的时间与使用位图相同。根据 png 规范，算法解码器 - Deflate。

有没有比 Bitmap 和 PngBitmapDecoder 更快地解码图像的方法？