關(guān)于tf.reverse_sequence()簡述
tf.reverse_sequence()簡述
在看bidirectional_dynamic_rnn()的源碼的時候,看到了代碼中有調(diào)用 reverse_sequence()這一方法,于是又回去看了下這個函數(shù)的用法,發(fā)現(xiàn)還是有點意思的。根據(jù)名字就可以能看得出,這個方法主要是用來翻轉(zhuǎn)序列的,就像雙線LSTM中在反向傳播那里需要從下文往上文處理一樣,需要對序列做一個鏡像的翻轉(zhuǎn)處理。
先來看一下這個方法的定義:
reverse_sequence( input, seq_lengths, seq_axis=None, batch_axis=None, name=None, seq_dim=None, batch_dim=None)
其中input是輸入的需要翻轉(zhuǎn)的目標(biāo)張量,seq_lengths是一個張量;
其元素是input中每一處需要翻轉(zhuǎn)時翻轉(zhuǎn)的長度,在雙向LSTM中這個值統(tǒng)一被設(shè)為輸入語句的長度,代表著整句話都需要被翻轉(zhuǎn),而實際上張量中的元素值可以是不同的,下面的例子中就可以看出;
seq_axis和seq_dim的關(guān)系,在源碼中做了如下操作:
seq_axis = deprecation.deprecated_argument_lookup("seq_axis", seq_axis, "seq_dim", seq_dim)
返回中return gen_array_ops.reverse_sequence(..., seq_dim=seq_axis,...),同理,對于batch_axis和batch_dim也是相同的處理。意義上來說,按照官方給出的解釋,“此操作首先沿著維度batch_axis對input進(jìn)行分割,并且對于每個切片 i,將前 seq_lengths 元素沿維度 seq_axis 反轉(zhuǎn)”。實際上通俗來理解,就是對于張量input中的第batch_axis維中的每一個子張量,在這個子張量的第seq_axis維上進(jìn)行翻轉(zhuǎn),翻轉(zhuǎn)的長度為 seq_lengths 張量中對應(yīng)的數(shù)值。
舉個例子,如果 batch_axis=0,seq_axis=1,則代表我希望每一行為單位分開處理,對于每一行中的每一列進(jìn)行翻轉(zhuǎn)。相反的,如果 batch_axis=1,seq_axis=0,則是以列為單位,對于每一列的張量,進(jìn)行相應(yīng)行的翻轉(zhuǎn)?;仡^去看雙向RNN的源碼,就可以理解當(dāng)time_major這一屬性不同時,time_dim 和 batch_dim 這一對組合的取值為什么恰好是相反的了。
寫一個簡單的測試代碼:
a = tf.constant([[1,2,3], [4,5,6], [7,8,9]]) l = tf.constant([1,2,3],tf.int64) # 每一次翻轉(zhuǎn)長度分別為1,2,3.由于a是(3,3)維的,所以l中數(shù)值最大只能是3 x = tf.reverse_sequence(a,seq_lengths=l,seq_axis = 0,batch_axis= 1) # 以列為單位進(jìn)行翻轉(zhuǎn),翻轉(zhuǎn)的是每一行的元素 y = tf.reverse_sequence(a,seq_lengths=l,seq_axis = 1,batch_axis= 0) # 以行為單位進(jìn)行翻轉(zhuǎn),翻轉(zhuǎn)的是每一列的元素 with tf.Session() as sess: print(sess.run(x)) print(sess.run(y))
結(jié)果如下:
# 每一列上的元素種類沒有發(fā)生變化,但是從每一行來看,行的順序分別翻轉(zhuǎn)了前1,前2,前3個元素 [[1 5 9] [4 2 6] [7 8 3]] # 每一行上的元素種類沒有發(fā)生變化,但是從每一列來看,列的順序分別翻轉(zhuǎn)了前1,前2,前3個元素 [[1 2 3] [5 4 6] [9 8 7]]
以上這篇關(guān)于tf.reverse_sequence()簡述就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
解決Python Matplotlib繪圖數(shù)據(jù)點位置錯亂問題
這篇文章主要介紹了解決Python Matplotlib繪圖數(shù)據(jù)點位置錯亂問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05Python?中如何將十六進(jìn)制轉(zhuǎn)換為?Base64
本篇文章將介紹在?Python?中將?hex?轉(zhuǎn)換為?base64?的方法,本文結(jié)合實例代碼給大家介紹的非常詳細(xì),需要的朋友可以參考下2023-06-06詳解Anconda環(huán)境下載python包的教程(圖形界面+命令行+pycharm安裝)
這篇文章主要介紹了Anconda環(huán)境下載python包的教程(圖形界面+命令行+pycharm安裝),這篇文章很適合小白入手級別的,本文圖文并茂給大家介紹的非常詳細(xì),具有一定的參考借鑒價值,需要的朋友可以參考下2019-11-11Matplotlib使用Cursor實現(xiàn)UI定位的示例代碼
這篇文章主要介紹了Matplotlib使用Cursor實現(xiàn)UI定位的示例代碼,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-03-03Python中線程的MQ消息隊列實現(xiàn)以及消息隊列的優(yōu)點解析
消息隊列(MQ,Message Queue)在消息數(shù)據(jù)傳輸中的保存作用為數(shù)據(jù)通信提供了保障和實時處理上的便利,這里我們就來看一下Python中線程的MQ消息隊列實現(xiàn)以及消息隊列的優(yōu)點解析2016-06-06Python通過wordcloud庫實現(xiàn)將單詞生成詞云
Python的wordcloud庫是一個用于生成詞云的Python包,它可以將一段文本中出現(xiàn)頻率高的單詞按其出現(xiàn)頻率大小以及顏色深淺排列成一個詞云圖形,從而更好地展示文本中的信息,你可以使用wordcloud庫來生成各種類型的詞云,本文就介紹了如何生成心型詞云2023-06-06