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! |
相关内容