我正在尝试使用tf.nn.dynamic_rnn图操作在TensorFlow 0.9.0中使用单词嵌入和递归神经网络编写语言模型，但我不理解input张量的结构。
假设我有n个单词的语料库。我将每个单词嵌入到一个长度为e的向量中，并且我希望我的RNN展开到t个时间步长。假设我使用默认time_major = False参数，我的input张量将[batch_size, max_time, input_size]具有什么形状？
也许有一个具体的小例子可以使这个问题更清楚。假设我有一个由n = 8个单词组成的语料库，看起来像这样。
1, 2, 3, 3, 2, 1, 1, 2
假设我将其嵌入到大小为e = 3的向量中，其中嵌入1-> [10，10，10]，2-> [20，20，20]和3-> [30，30，30]我的input张量是什么样的？
我已经阅读了TensorFlow递归神经网络教程，但是没有使用tf.nn.dynamic_rnn。我还阅读了的文档tf.nn.dynamic_rnn，但感到困惑。特别是，我不确定“ max_time”和“ input_size”在这里是什么意思。
任何人都可以input根据n，t和e给出张量的形状，和/或用我描述的小语料库中的数据初始化张量的示例吗？
TensorFlow 0.9.0，Python 3.5.1，OS X 10.11.5
在您的情况下，batch_size = 1由于您只看一个示例，因此它看起来像。所以，max_time是n=8和input_size是输入深度，你的情况e=3。因此，您将需要构造一个input定形的张量[1, 8, 3]。它是batch_major，因此第一个维度（批处理维度）是1。例如，如果您同时有另一个带有n=6单词的输入，则可以通过将第二个示例填充到8单词上（通过在最后两个单词嵌入中填充零）来组合两者，并且inputs大小为[2, 8, 3]。
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句