python – 多层bidirectional_dynamic_rnn：与MultiRNNCell不兼

发布时间：2020-12-20 13:16:30 所属栏目：Python 来源：网络整理

导读：我想在Tensorflow中创建一个多层双向LSTM.目前我的单层模型看起来像： cell_fw = tf.contrib.rnn.LSTMCell(hidden_size)cell_bw = tf.contrib.rnn.LSTMCell(hidden_size)(self.out_fw,self.out_bw),_ = tf.nn.bidirectional_dynamic_rnn(cell_fw,cell_bw,inp

我想在Tensorflow中创建一个多层双向LSTM.目前我的单层模型看起来像：

cell_fw = tf.contrib.rnn.LSTMCell(hidden_size)
cell_bw = tf.contrib.rnn.LSTMCell(hidden_size)

(self.out_fw,self.out_bw),_ = tf.nn.bidirectional_dynamic_rnn(cell_fw,cell_bw,input,...)

为了把它变成一个多层的我怀疑我不能简单地用一些像这样的MultiRNNCells包装一些LSTMCell：

multi_cell_fw = tf.contrib.rnn.MultiRNNCell([cell_fw] * num_layers,...)

并将它们输入bidirectional_dynamic_rnn,因为每层中的前向和后向LSTM都需要前一层的前向和后向两者的输出.目前我的解决方案是在循环中创建我的bidirectional_dynamic_rnns,输入前面图层的LSTM的连接输出.

然而,它不是很干净,坦率地说我不确定它是否正确,尽管它确实适用于玩具数据集.使用像MultiRNNCell这样的东西有更好的方式吗？

我正在使用Tensorflow API r1.0.

解决方法

做就是了：

multi_cell_fw = tf.contrib.rnn.MultiRNNCell([cell_fw for _ in range(num_layers)],…)

这应该工作.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!