tensrflow lstm

ke1th

发布于 2019-05-28 21:55:16

7630

tf.nn.rnn_cell.LSTMCell.__init__(num_units, input_size=None, use_peepholes=False,
 cell_clip=None, initializer=None, num_proj=None, num_unit_shards=1, num_proj_shards=1,
 forget_bias=1.0, state_is_tuple=False, activation=tanh)

num_units: cell输出的维数（一个lstm的一个单元称为cell）
state_is_tuple: 设置为true的话，返回（c_state, m_state）， false的话不知道返回啥
官网上说不赞成使用inputsize这个参数，
函数的输出是一个cell

tf.nn.rnn_cell.DropoutWrapper.__init__(cell, input_keep_prob=1.0,
 output_keep_prob=1.0, seed=None)

cell:就用上面代码返回的cell
input_keep_prob / output_keep_prob :保留连接的比例
使用此函数可以使cell 后面接一个dropout
函数输出后接dropout的cell

tf.nn.rnn_cell.MultiRNNCell.__init__(cells, state_is_tuple=False)

此函数用来搭建多层的lstm网络
cells：一般用 [cell]*n. n为你想搭的层数
state_is_tuple: 同上
叠lstm的层数
返回的也是cell（大的）

tf.nn.dynamic_rnn(cell, inputs, sequence_length=None, initial_state=None, dtype=None,
 parallel_iterations=None, swap_memory=False, time_major=False, scope=None)

cell：搭好的网络，即上个函数的返回值（是cell就可以）
inputs：The RNN inputs.If time_major == False (default), this must be a tensor of shape:[batch_size, max_time, input_size].If time_major == True, this must be a tensor of shape:[max_time, batch_size, input_size]. batch_size: ....max_time指的是：输入句子中单词的最大数量。input_size:每个单词向量的长度
网络是通过 max_time 的值进行按时间展开的。 max_time是最长句子中单词的个数。
sequence_size: 是一个向量：向量的每个值代表每个batch的 output的个数（假设batch1，有6个单词，而max_time是10，就可以将sequence_size[batch1]=6）
即：每个batch的句子中单词的数量（句子的长度）
一个batch代表一个句子
函数输出：outputs：维数[batch_size, max_time, cell.output_size] ,
函数输出：state是每行最后一个state的集合（tensor），假设n层（n, cell.output_size）

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2016年10月13日，如有侵权请联系 cloudcommunity@tencent.com 删除

批量计算