使用 tf.nn.dynamic_rnn 展开时间维度方式

站长资源 2024/11/25 佚名

77 1538 77

DDR爱好者之家 Design By 杰米

对于单个的 RNNCell ，使用色的 call 函数进行运算时，只是在序列时间上前进了一步。

如使用 x1、 ho 得到此h1，通过 x2 、 h1 得到 h2 等。

tf.nn.dynamic_rnn的作用：

如果序列长度为n，要调用n次call函数，比较麻烦。对此，TensorFlow提供了一个tf.nn.dynamic_mn函数，使用该函数相当于调用了n次call函数。通过{ho, x1 , x2，…， xn} 直接得到{h1 , h2，…， hn} 。

具体来说，设输入数据的格式为（batch_size, time_steps, input size），

其中batch_size表示batch的大小，即包含几个序列。

time_steps表示序列长度，

input_size表示输入数据单个序列单个时间维度上固有的长度。

此时，得到的outputs是time_steps步里所有的输出。它的形状为(batch_size, time_steps, cell.output size）。state 是最后一步的隐状态，形状为（batch_size, cell . state_size）。

至此，在对每一步的输出进行变换，可以得到损失并进行训练模型了。

以上这篇使用 tf.nn.dynamic_rnn 展开时间维度方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。

tf.nn.dynamic_rnn,时间维度

DDR爱好者之家 Design By 杰米

广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！

DDR爱好者之家 Design By 杰米

评论“使用 tf.nn.dynamic_rnn 展开时间维度方式”

暂无评论...

2024年11月25日