我想绑定层的权重embedding和next_word解码器的预测层。嵌入维度设置为 300，解码器的隐藏大小设置为 600。NMT 中目标语言的词汇量为 50000，因此嵌入权重维度为50000 x 300，预测下一个单词的线性层的权重为50000 x 600。

那么，我该如何绑定它们呢？在这种情况下，实现重量捆绑的最佳方法是什么？

BATCH_QUEUE_MAX = 100

这段代码突然不能运行了。因为tensorflow变成了1.6版本？

使用 tf.contrib.legacy_seq2seq.embedding_rnn_seq2seq with tensorflow 1.5 case 'TypeError: can't pickle _thread.lock objects'，这个问题和https://github.com/suriyadeepan/practical_seq2seq/issues/31一样 我用的方式有人发帖：在 embedding_rnn_seq2seq 函数中更改 tf 的代码

这是解决此问题的正确方法吗？或者有没有其他方法可以解决这个问题。tf的API搞得我乱七八糟，改得这么频繁，

杀我！！

使用 scatter_nd 将注意力分布投射到另一个分布上，本质上是创建一个引用词汇表的分布。

当尝试使用具有很大程度上未定义尺寸的占位符运行此程序时，我遇到了以下错误：

这在 seq2seq 的上下文中，因此模型占位符的形状需要部分未定义。此外，我的数据批次大小不一致，这也需要可变批次大小。

在使用 seq2seq 架构的 NMT 中，在推理过程中，我们需要在训练阶段训练的嵌入变量作为 GreedyEmbeddingHelper 或 BeamSearchDecoder 的输入。

问题是，在使用 Estimator API 进行训练和推断的上下文中，我们如何提取这个经过训练的嵌入变量以用于预测？

我正在尝试实现一个 seq2seq 模型，在 Tensorflow (1.6.0) 中使用 bidirectional_dynamic_decode、Attention 和 BeamSearchDecoder。（我试图只复制相关代码，以保持简单）

但是，当我尝试将编码器的最后状态克隆到上图中的“beam_initial_state”变量时，出现以下错误：

有人给点建议吗？提前非常感谢。

使用注意力和波束搜索实现具有双向 multilstm 层的 seq2seq 模型。（仅发布必要的代码以保持简单）

编码器

解码器

在这一行：

我收到以下错误：

有没有人有这方面的经验，或者遇到过同样的问题？我将非常感谢您的建议。

张量流：1.6.0 batch_size = 64 rnn_size = 256

我不知道为什么我会收到这个错误。我看到了一些更改state_is_tuple=False的帖子，但它给了我一些其他错误。我认为错误在于我定义 lstm 单元格的方式，但不确定我应该改变什么？我关注了这个具有相似代码结构的链接。

这是我的代码：

现在，我在tf.contrib.seq2seq.dynamic_decode(decoder)中收到错误，如下所示：

我正在尝试在 Keras 中使用 LSTM 构建 seq2seq 模型。目前正在研究英语到法语对数据集 - 10k 对（原始数据集有 147k 对）。在尝试预测给定输入序列模型的输出时完成训练后，无论输入序列如何，都预测相同的输出。还为编码器和解码器使用单独的嵌入层。我观察到的是，预测的词只不过是数据集中最常见的词，它们按频率的降序显示。例如：“我认识你”、“我们可以走吗？”、“摆脱它”——对于所有这些输入序列，输出是——“je suis en train”（所有三个输出相同）。

任何人都可以帮助我，这可能是模型表现得这样的原因。我错过了一些基本的东西吗？

我尝试使用batchsize = 32，epoch = 50，maxinp = 8，maxout = 8，embeddingsize = 100。

更新::我在 147k 数据集上运行了 5 个 epoch，每个输入的结果都不同。谢谢您的帮助。

但是，现在我正在使用另一个数据集运行相同的模型，其中输入和输出序列在清理（删除停用词和其他内容）后分别包含平均单词数为 170 和 100。这个数据集有大约 30k 条记录，如果我运行 50 个 epoch，每个测试句子的结果都是相同的。那么我的下一个选择是什么让我尝试。我期待不同的输入至少有不同的输出（即使它是错误的），但相同的输出会增加更多的挫败感，无论模型是否学习不正确。有答案吗？？

谁能解释序列长度字段的用途tf.contrib.seq2seq.TrainingHelper