2回答
我使用tensorflow实现了一个简单的RNN，如下所示：
cell = tf.contrib.rnn.BasicRNNCell(state_size)
cell = tf.contrib.rnn.DropoutWrapper(cell, output_keep_prob=keep_prob)
rnn_outputs, final_state = tf.nn.dynamic_rnn(cell, batch_size, dypte=tf.float32)
这可以很好地工作。但我想将权重变量记录到摘要编写器中。有没有办法做到这一点？
顺便问一下，我们使用的是tf.nn.rnn_cell.Bas
浏览 0提问于2018-02-22得票数 5
我在这里使用了一些代码：和tensorflow。我认为代码是为旧版本的tensorflow编写的，我使用的是1.0.0版本。我使用tf_upgrade.py升级了github代码库中的model.py，但仍然收到错误：
output, _, _ = contrib_rnn.bidirectional_rnn(fw_cell, bw_cell,
AttributeError: 'module' object has no attribute 'bidirectional_rnn'
这是在我将bidirectional_rnn调用更改为使用contrib_r
浏览 1提问于2017-02-17得票数 0
2回答
如何在TensorFlow中从tf.nn.rnn()或tf.nn.dynamic_rnn()获取所有隐藏状态？API只给了我最终的状态。
第一种选择是在构建直接在RNNCell上操作的模型时编写一个循环。但是，时间步数对我来说不是固定的，它取决于传入的批处理。
一些选项是使用GRU，或者编写我自己的RNNCell，将状态连接到输出。前一种选择不够通用，而后一种选择听起来太老套了。
另一种选择是做一些类似的事情，从一个RNN中获取所有变量。然而，我不确定如何在这里以标准方式将隐藏状态与其他变量分开。
有没有一种很好的方法可以从RNN中获取所有隐藏状态，同时仍然使用库提供的RNN？
浏览 2提问于2016-09-27得票数 12
1回答
当我尝试在Android (TensorFlowInferenceInterface)上运行CRNN TensorFlow模型时，我遇到了一个问题。当我在Python环境中运行它时，一切似乎都正常工作。在Android上，我得到了以下错误：
java.lang.IllegalArgumentException: Expected len(indices) == values.shape[0], but saw: 25 vs. 30
[[Node: shadow/LSTMLayers/stack_bidirectional_rnn/cell_0/bidirectional_rnn/bw/bw/T
浏览 3提问于2018-06-12得票数 0
1回答
我一直在遵循教程创建和训练一个基于rnn的聊天机器人，使用tensorflow。据我所知，这些教程是在较早版本的tensorflow上编写的，因此有些部分已经过时，给我一个错误，比如：
Traceback (most recent call last):
File "main.py", line 33, in <module>
outputs, last_state = tf.nn.seq2seq.rnn_decoder(inputs, initialstate, cell, loop_function=None, scope='rnnlm
浏览 0提问于2017-03-06得票数 1
回答已采纳
我刚开始深入学习并尝试实现在这里编写的代码，。
我正在尝试实现相同的代码，但是我得到了错误。
没有模块名basic_rnn
在导入代码中所写的basic_rnn时：
import basic_rnn
def plot_learning_curve(num_steps, state_size=4, epochs=1):
global losses, total_loss, final_state, train_step, x, y, init_state
tf.reset_default_graph()
g = tf.get_default_graph()
浏览 4提问于2017-04-15得票数 0
我对TF变量的重用感到非常困惑。对于方法rnn，我能够找到下面这行代码：
if time > 0: vs.get_variable_scope().reuse_variables()
但是，对于dynamic_rnn (我需要使用的方法)，我没有找到任何reuse_variable代码行或reuse=True。
rnn_cells模块中的所有RNN单元都使用_linear方法进行初始化，该方法不会检查变量是否已创建，但在LSTM_cell中，_get_concat_variable会很好地检查graph_key中是否存在变量的名称。
那么dynamic_rnn不会重用这个变量吗？我
浏览 9提问于2016-07-10得票数 0
下面是我用jupyter编写的tensorflow RNN网络代码的一部分。整个代码第一次完美运行，但是运行它会产生一个错误。守则：
x = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
def recurrent_nn_model(x):
x = tf.transpose(x, [1,0,2])
x = tf.reshape(x, [-1, chunk_size])
x = tf.split(x, n_chunks, 0)
lstm_layer = {'hidden_state'
浏览 2提问于2017-12-06得票数 3
我们有一个运行在Android上的TensorFlow网络(graphdef)，我注意到，随着时间的推移，推理结果往往是相关的。也就是说，如果标签A被返回，就会有一个A的流随时间而来，即使当输入数据切换到应该生成B标签的数据时。最终，结果将切换到B，但似乎存在滞后，表明RNN在推理调用之间是有状态的。我们的网络使用RNN/LSTMs。
cellLSTM = tf.nn.rnn_cell.BasicLSTMCell(nHidden)
cellsLSTM = tf.nn.rnn_cell.MultiRNNCell([cellLSTM] * 2)
RNNout, RNNstates = t
浏览 2提问于2017-04-01得票数 1
回答已采纳
1回答
我想实现一个像DSSM (深度语义相似模型)这样的模型。
我要训练一个RNN模型，用该模型得到三个不同输入的隐向量，并利用这些隐向量计算损失函数。
我尝试用reuse=None在变量范围内编写代码，例如：
gru_cell = tf.nn.rnn_cell.GRUCell(size)
gru_cell = tf.nn.rnn_cell.DropoutWrapper(gru_cell,output_keep_prob=0.5)
cell = tf.nn.rnn_cell.MultiRNNCell([gru_cell] * 2, state_is_tuple=True)
embedding =
浏览 4提问于2016-11-17得票数 5
1回答
我试图在tensorflow中编写一个简单的RNN，基于这里的教程： (我使用的是一个简单的RNN单元而不是GRU，而不是退出)。
我很困惑，因为我的序列中不同的RNN细胞似乎被分配了不同的权重。如果我运行以下代码
import tensorflow as tf
seq_length = 3
n_h = 100 # Number of hidden units
n_x = 26 # Size of input layer
n_y = 26 # Size of output layer
inputs = tf.placeholder(tf.float32, [None, se
浏览 4提问于2017-09-24得票数 0
回答已采纳
1回答
我知道递归神经网络( RNN )背后的理论，但我对它的实现感到困惑。这是我从网上得到的rnn方程，
📷
我试图在python的numpy中单独编写前向传播代码
import numpy as np
outputs = 5
inputs = 3
# Input value
# (batch_size,seq_len, vocab_len)
X = np.ones((10,3,3))
# Initializing rnn weights and hidden states
Wxh = np.random.rand(outputs,inputs)
Whh = np.random.rand(o
浏览 0提问于2020-03-13得票数 1
3回答
我正在看这个教程，他为MNIST分类编写了tensorflow代码。
以下是RNN模型：
batch_size = 128
chunk_size = 28
n_chunks = 28
rnn_size = 128
def recurrent_neural_network(x):
layer = {'weights':tf.Variable(tf.random_normal([rnn_size,n_classes])),
'biases':tf.Variable(tf.random_normal([n_classes]))}
x
浏览 5提问于2017-06-27得票数 0
回答已采纳
1回答
文中对ANN、RNN和LSTM神经网络进行了优化，使其包含三个隐层，每层有1000个隐藏单元。
我想在Keras中建模RNN模型。但是我的代码出错了！
我的代码：
model=Sequential()
model.add(SimpleRNN(1000,input_shape=(320,15),activation='relu'))
model.add(SimpleRNN(1000))
model.add(SimpleRNN(1000))
model.add(Dense(1600))
错误：
ValueError
浏览 0提问于2018-08-13得票数 2
回答已采纳
1回答
print(network.shape ) # ( ? , 256, 2, 128 )
network = reshape(network,[-1,256,256])
print(network.shape) # ( ? , 256, 256 ) batch_Size,time_stamp,features
network = bidirectional_rnn(network, GRUCell(32 ), GRUCell(32) )
我试图用tflearn编写一个CRNN，这是我得到的日志：
File "data_clean.py",
浏览 0提问于2018-05-19得票数 2
回答已采纳
1回答
我正在尝试编写一个基于两个因素的DF子集的自动绘图生成器。
我一步一步地解释自己。这里是我的DF的一部分
YEAR RN DATE NOM SITE LONG SP SUMNB NB100 DIFF IA
2001 RNN066 2001-04-26 RAVIN DE VALBOIS RNN066-Valbois Pel Humbert 231 Aphantopus hyperantus (Linnaeus, 1758) 0.000000 0.0000000 NA NA
2001 RNN066 20
浏览 3提问于2014-04-02得票数 2
回答已采纳
1回答
我正试图用py手电筒将代码从重写为RNNCell格式。这是完整的代码
import torch
import torch.nn as nn
from torch.autograd import Variable
torch.manual_seed(777)
class SimpleRNN(nn.Module):
def __init__(self,inputs,hiddens,n_class):
super().__init__()
self.rnn = nn.RNNCell(inputs,hiddens)
self.linear
浏览 2提问于2020-06-29得票数 0
总的来说，我正在使用Tensorflow编写一个RNN模型。我继承了RNNCell并定制了我自己的单元格。最后，我使用dynamic_rnn来构建整个RNN。细节是，我想要将一个张量从形状n，m转换为n，m，1。我使用两种方法来实现：
tf.reshape(matrix, [n, m, 1]) # the first method
tf.expand_dims(matrix, -1) # the second method
我期望的是，使用这两种方法，我将获得完全相同的训练和预测结果(所有随机种子都是固定的)。但是结果是不同的。我真的很困惑。
浏览 0提问于2016-11-13得票数 0
1回答
我读过关于LSTM和RNNs，甚至CTC的文章。据我所知，RNN用于在序列中查找缺少的标记(例如，句子中的一个单词)。但是，我的问题是读取用草书编写的人名。许多名字并不流行，在语言模型中也找不到，所以如果RNN只是预测缺少的单词，它就不会成功，因为我没有完整的人名数据集，对吗？
( 1)可以用RNN识别非标准词吗？(例如罕见/不受欢迎的人名)
( 2)如否，是否有其他选择？？或者我必须使用传统的OCR方法(尝试分割然后分类字符)？
浏览 4提问于2018-12-17得票数 1
回答已采纳
受Andrej Karpathy rnn的启发，有一个Char-RNN 的Tensorflow实现。我想从这段代码中实现双向字符级语言模型。我更改了并编写了一段简单的代码：
class Model:
def __init__(self, input_data, targets, seq_length=Config.max_seq_length, training=True):
if Config.model == 'rnn':
cell_fn = rnn.BasicRNNCell
elif Config.model == 'gru'
浏览 4提问于2017-08-10得票数 0
回答已采纳
1回答
RNN在火炬中的训练
、、、
我想有一个RNN模型，并教它学习生成"ihello“，从”地狱“。我是新来的毕道尔，并遵循视频中的指令来编写代码。我编写了两个名为train.py和model.py的python文件。我是model.py
#----------------- model for teach rnn hihell to ihello
#----------------- OUR MODEL ---------------------
import torch
import torch.nn as nn
from torch import autograd
class Model(nn.Module)
浏览 0提问于2018-05-03得票数 0
回答已采纳
我尝试在Tensorflow中构建一个情感分析模型
def rnn_lstm(weights, biases, data_x, sequence_length, vocab_size, embedding_size):
# Use Tensor Flow embedding lookup and convert the input data set
with tf.device("/cpu:0"):
embedding = tf.get_variable("embedding43", [vocab_size, embedding_
浏览 0提问于2017-05-18得票数 0
2回答
我有一个关于使用Keras (使用Theano作为我的后端)的问题，这是我的新手。我使用多对一RNN (将时间序列作为输入，计算一个数字作为输出)作为我的第一组图层。到目前为止，这对于使用递归层IO的Keras来说是微不足道的。
这就是我遇到麻烦的地方：
现在我想把这个RNN (一个数字)的输出传递给一个单独的函数(让我们称它为f)，然后用它做一些计算。
我想要做的是将这个计算输出(在函数f之后)，并根据预期输出进行训练(通过一些损失，如mse)。
我想要一些关于如何从函数f输入输出post计算并仍然通过Keras中的model.fit功能训练它的建议。
我的伪代码如下：
X = inpu
浏览 2提问于2016-12-03得票数 1
1回答
我使用tensorflow和python编写了一些非常基本的lstm代码，其中我的代码是
output = tf.nn.rnn(tf.nn.rnn_cell.BasicLSTMCell(10), input_flattened, initial_state=tf.placeholder("float", [None, 20]))
我的输入展平的位置是shape [?, 5, 22501]
我在lstm的state参数上得到了错误TypeError: inputs must be a sequence，我拼命地想找出它为什么会给我这个错误。任何帮助都将不胜感激。
浏览 0提问于2016-08-03得票数 1
我使用tf.contrib.cudnn_rnn.CudnnGRU()作为编码器来实现编解码器rnn，我发现了一个问题：
我希望重用这些变量，这样我就可以创建相同的模型，但是可以将它与其他数据一起使用，简单地说，这将是重现我的问题的代码：
tf.reset_default_graph()
def create_model():
return tf.contrib.cudnn_rnn.CudnnGRU(num_layers=1, num_units=100,
direction='unidirectional')
# (
浏览 0提问于2018-10-21得票数 0
回答已采纳
当我运行下面所示的代码时，函数中的tic/toc对显示了很短的时间(<< 1秒)才能遍历所有的行。然而，实际上大约需要2.3秒才能得到输出！我用tic/toc对来测量时间。
tic
rnn.v = 11;
rnn.h = 101;
rnn.o = 7;
rnn.h_init = randn(1,rnn.h,'gpuArray');
rnn.W_vh = randn(rnn.v,rnn.h,'gpuArray');
rnn.W_hh = randn(rnn.h,rnn.h,'gpuArray');
rnn.W_ho = randn(r
浏览 8提问于2014-08-24得票数 1
回答已采纳
我在GPU支持下使用Tensorflow 1.1.0，我有以下功能：
def get_init_cell(batch_size, rnn_size, keep_prob=0.75, layers=2):
"""
Create an RNN Cell and initialize it.
:param batch_size: Size of batches
:param rnn_size: Size of RNNs
:return: Tuple (cell, initialize state)
"""
浏览 0提问于2017-05-08得票数 0
回答已采纳
在我的代码中：(在tf1.0上工作得很好)
from tensorflow.contrib.rnn.python.ops import core_rnn
from tensorflow.contrib.rnn.python.ops import core_rnn_cell
from tensorflow.contrib.rnn.python.ops import core_rnn_cell_impl
用tf1.2报告错误:从tensorflow.contrib.rnn.python.ops导入core_rnn ImportError:无法导入名称“core_rnn”
浏览 4提问于2017-07-10得票数 0
回答已采纳
1回答
我正试图在tensorflow 1.1.0中开发一个递归神经网络，并且我编写了一个应该返回LSTM的函数。
def LSTM(x, num_units, num, num_layers=3):
cells = []
for i in range(num_layers):
cell = LSTMCell(num_units=num_units, state_is_tuple=True)
cell = DropoutWrapper(cell=cell, output_keep_prob=0.5)
cells.append(cell)
lstm = MultiR
浏览 2提问于2017-07-26得票数 0
1回答
当连接时变量会被覆盖。
、、、
我写了一个小bash脚本：
#!/bin/bash -x
runDirectory="/mnt/sequences_tmp/melody_rnn/logdir/run_"
currName=$1
magenta1="bazel run //magenta/models/melody_rnn:melody_rnn_train -- --config=attention_rnn --run_dir="
echo $magenta1
magenta2="$magenta1$runDirectory"
echo $magenta2
magenta3=&#
浏览 0提问于2018-04-16得票数 2
回答已采纳
以下代码有何不同？
用tf.contrib.rnn.DropoutWrapper
tf.contrib.rnn.MultiRNNCell(tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(rnn_sizes，_ enc_cell _output_prob=1-output_prob) for _ in范围(Num_layers) _，encoding_state = tf.nn.dynamic_rnn(enc_cell，rnn_inputs，dtype=tf.float32)
用tf.nn.droupout
tf.co
浏览 2提问于2017-08-28得票数 2
回答已采纳
这是我第一次使用python和tensorflow编程。我想使用动态RNN来构造句子嵌入。这是我用jupyter编写的代码的一部分。
graph = tf.Graph()
x_data = tf.placeholder(tf.int32, [None,None])
sequence_lengths = tf.placeholder(tf.int32, shape=[None])
embedding_mat = tf.Variable(tf.random_uniform([vocab_size,embedding_size], 0.0, 1.0),dtype=tf.float32)
embed
浏览 2提问于2018-01-07得票数 2
回答已采纳
目前，我被数据框架困住了，我想知道如何做“子集子集”--这里是我的数据框架的一部分：
YEAR RN DATE NAME SITE LONG SP SUMNB NB100
1 2011 RNN027 15056 ESTAGNOL RNN027-Estagnol 02 310 Anthocharis cardamines (Linnaeus, 1758) 1 0.3225806
2 2011 RNN027 15075
浏览 6提问于2013-12-06得票数 1
回答已采纳
~/anaconda3/lib/python3.6/site-packages/tflearn/layers/recurrent.py in <module>()
12 # Fix for TF 1.1.0 and under
13 from tensorflow.contrib.rnn.python.ops.core_rnn import static_rnn as _rnn, static_bidirectional_rnn as _brnn
---> 14 from tensorflow.python.ops.rnn impo
浏览 0提问于2018-03-03得票数 0
在一些tensorflow教程(例如RNN)中，代码需要使用bazel进行编译。为什么我们必须编译这些示例，即使它们是用python编写的？
浏览 0提问于2015-11-29得票数 2
我想在GPU上使用Tensorflow1.13 1.13实现一个RNN。按照官方建议，我编写了以下代码，以获得一堆RNN单元
lstm = [tk.layers.CuDNNLSTM(128) for _ in range(2)]
cells = tk.layers.StackedRNNCells(lstm)
但是，我收到一条错误消息：
tensorflow.python.keras.layers.cudnn_recurrent.CuDNNLSTM：(所有单元格都必须具有state_size属性。接收到的单元格：‘，<0x13aa1c940>上的state_size对象’)
浏览 1提问于2019-03-24得票数 1
回答已采纳
我有一个堆叠的MultiRNNCell，定义如下：
batch_size = 256
rnn_size = 512
keep_prob = 0.5
lstm_1 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_1 = tf.nn.rnn_cell.DropoutWrapper(lstm_1, output_keep_prob = keep_prob)
lstm_2 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_2 = tf.nn.rnn_cell.DropoutWrapper(lstm_2
浏览 1提问于2018-03-18得票数 2
回答已采纳
描述问题
tf.unstack没有像预期的那样工作。它没有将R秩张量降为R-1秩张量
tensorflow github问题列表中对应的问题：
源代码/日志
代码：
#! /usr/bin/env python
# -*- coding: utf-8 -*-
import sys
import tensorflow as tf
rnn_model = tf.contrib.cudnn_rnn.CudnnGRU(
num_layers=1,
num_units=64,
direction='unidirectional')
rnn
浏览 0提问于2018-09-13得票数 1
我正在尝试重新加载函数中的会话和图形，以处理更多数据。我以using uninitialized variable的身份不断收到错误。
我已经尝试重用我的GRU单元，但没有用。
我目前正求助于将每个模型加载到守护线程中，并让它查找一个空列表来运行数据并返回到列表，而不是函数返回预测。
model = {
'chunk_size' : 9,
'num_chunk' : 31,
'rnn_size' : 18,
'rnn_classes' : 2
}
graphx = tf.Graph()
se
浏览 2提问于2018-01-24得票数 0
我正在使用来自tensorflow.models.rnn.rnn_cell的tensorflow.models.rnn.rnn_cell。这是如何声明我的MultiRNNCell
代码：
e_cell = rnn_cell.GRUCell(self.rnn_size)
e_cell = rnn_cell.MultiRNNCell([e_cell] * 2)
稍后，我在seq2seq.embedding_rnn_decoder内部使用它，如下所示
ouputs, mem_states = seq2seq.embedding_rnn_decoder(decoder_inputs, enc_stat
浏览 3提问于2016-04-01得票数 1
似乎使用MultiRNNCell保存或恢复模型都不能正常工作。
我使用下面的代码来解决分类问题；
stacked_rnn_cell = list()
for i in range(config.num_layers):
rnn_cell = tf.contrib.rnn.LSTMCell(num_units=config.dim_hidden)
stacked_rnn_cell.append(rnn_cell)
rnn_cell = tf.contrib.rnn.MultiRNNCell(cells=stacked_rnn_cell, state_is_tuple=True)
浏览 1提问于2018-07-10得票数 1
在调用属性错误时出现问题：
tf.nn.rnn(cell, inputs_series, initial_state=rnn_tuple_state)
接收到一个属性错误：
AttributeError: module 'tensorflow.python.ops.nn' has no attribute 'rnn'
将其更改为：
tf.contrib.rnn(cell, inputs_series, initial_state=rnn_tuple_state)
但是，现在我收到了以下错误：
TypeError: 'module' object
浏览 0提问于2017-12-20得票数 1
1回答
一类非序贯模型的割炬梯度问题
、、、、
我很难复制这个。
他们提出的模式是：
class RNN(nn.Module):
def __init__(self, input_size, hidden_size, output_size):
super(RNN, self).__init__()
self.hidden_size = hidden_size
self.i2h = nn.Linear(input_size + hidden_size, hidden_size)
self.i2o = nn.Linear(input_size + hi
浏览 4提问于2022-01-17得票数 0
回答已采纳
我目前正在使用lstm和rnn一段时间。我在tensorflow和keras中都尝试过。然而，有些事情让我真的很困惑。就像在tensorflow中一样，如果我想在for循环中定义多个rnn作为解码器，我可以编写如下代码：
with tf.variable_scope("decoder-rnn") as vs:
# We use an LSTM Cell
cell_utterance = tf.nn.rnn_cell.LSTMCell(hparams.rnn_dim,
fo
浏览 5提问于2018-08-18得票数 0
回答已采纳
1回答
从RNN中可以得到可变的输出长度，即input_seq_length != output_seq_length吗？
下面是一个示例，显示LSTM输出形状、test_rnn_output_v1默认设置--仅返回最后一步的输出，test_rnn_output_v2返回所有步骤的输出，即我需要类似于test_rnn_output_v2的输出，但具有输出形状(None, variable_seq_length, rnn_dim)或至少是(None, max_output_seq_length, rnn_dim)。
from keras.layers import Input
from keras.la
浏览 6提问于2020-04-20得票数 1
回答已采纳
在阅读dynamic_rnn的接口文档时，我有以下问题：
批次大小、序列长度和(单元格)hidden_size之间的关系是否有约束？
我在想：
序列长度单元( <= )hidden_size，或者，
批量大小*序列长度单元( <= )hidden_size
我说的对吗？我浏览了很多网页，但都找不到答案。
谢谢大家。
示例：
# create a BasicRNNCell
rnn_cell = tf.nn.rnn_cell.BasicRNNCell(hidden_size)
# 'outputs' is a tensor of shape [batch_size,
浏览 6提问于2017-12-11得票数 1
我正在运行一个RNN的信号，在固定的大小段。下面的代码允许我保留上一批的最后状态来初始化下一批的初始状态。
rnn_outputs, final_state = tf.contrib.rnn.static_rnn(cell, rnn_inputs, initial_state=init_state)
当批处理不重叠时，这是可行的。例如，我的第一批处理过程样本为0:124，而final_state是此处理之后的状态。然后，下一批处理示例124:256，将init_state设置为final_state。
我的问题是，当批处理重叠时，如何检索中间状态。首先，我处理样本0:124，然后是10:134
浏览 1提问于2018-04-17得票数 0
回答已采纳
1回答
我使用tfprof来获得模型前向路径所需的失败数。我的模型是3层LSTM，然后是完全连接层。我观察到，对于完全连接的层，计算的数量是线性增长的，而对于LSTM层，它没有变化。这怎么可能？
一个时间戳前向路径的tfprof报告。
==================Model Analysis Report======================
_TFProfRoot (0/2.71m flops)
rnn/while/multi_rnn_cell/cell_1/lstm_cell/lstm_cell_1/MatMul (1.05m/1.05m flops)
rnn/while/m
浏览 3提问于2017-05-26得票数 0
回答已采纳
我曾经在TensorFlow的0.8版本中使用以下命令创建RNN网络：
from tensorflow.python.ops import rnn
# Define a lstm cell with tensorflow
lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0)
# Get lstm cell output
outputs, states = rnn.rnn(cell=lstm_cell, inputs=x, dtype=tf.float32)
rnn.rnn()不再可用，而且听起来它已经被移到了tf.con
浏览 2提问于2017-02-28得票数 11
这是密码：
X = tf.placeholder(tf.float32, [batch_size, seq_len_1, 1], name='X')
labels = tf.placeholder(tf.float32, [None, alpha_size], name='labels')
rnn_cell = tf.contrib.rnn.BasicLSTMCell(512)
m_rnn_cell = tf.contrib.rnn.MultiRNNCell([rnn_cell] * 3, state_is_tuple=True)
pre_prediction
浏览 5提问于2017-06-18得票数 20
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
