快捷導(dǎo)航

關(guān)于tf.reverse_sequence()簡(jiǎn)述

更新時(shí)間：2020年01月20日 16:37:53 作者：Cerisier

今天小編就為大家分享一篇關(guān)于tf.reverse_sequence()簡(jiǎn)述，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

tf.reverse_sequence()簡(jiǎn)述

在看bidirectional_dynamic_rnn()的源碼的時(shí)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(gè)函數(shù)的用法，發(fā)現(xiàn)還是有點(diǎn)意思的。根據(jù)名字就可以能看得出，這個(gè)方法主要是用來(lái)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(duì)序列做一個(gè)鏡像的翻轉(zhuǎn)處理。

先來(lái)看一下這個(gè)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(gè)張量；

其元素是input中每一處需要翻轉(zhuǎn)時(shí)翻轉(zhuǎn)的長(zhǎng)度，在雙向LSTM中這個(gè)值統(tǒng)一被設(shè)為輸入語(yǔ)句的長(zhǎng)度，代表著整句話都需要被翻轉(zhuǎn)，而實(shí)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(duì)于batch_axis和batch_dim也是相同的處理。意義上來(lái)說(shuō)，按照官方給出的解釋，“此操作首先沿著維度batch_axis對(duì)input進(jìn)行分割，并且對(duì)于每個(gè)切片 i，將前 seq_lengths 元素沿維度 seq_axis 反轉(zhuǎn)”。實(shí)際上通俗來(lái)理解，就是對(duì)于張量input中的第batch_axis維中的每一個(gè)子張量，在這個(gè)子張量的第seq_axis維上進(jìn)行翻轉(zhuǎn)，翻轉(zhuǎn)的長(zhǎng)度為 seq_lengths 張量中對(duì)應(yīng)的數(shù)值。

舉個(gè)例子，如果 batch_axis=0，seq_axis=1，則代表我希望每一行為單位分開(kāi)處理，對(duì)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(duì)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(shí)，time_dim 和 batch_dim 這一對(duì)組合的取值為什么恰好是相反的了。

寫一個(gè)簡(jiǎn)單的測(cè)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(zhǎng)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(méi)有發(fā)生變化，但是從每一行來(lái)看，行的順序分別翻轉(zhuǎn)了前1，前2，前3個(gè)元素
[[1 5 9]
 [4 2 6]
 [7 8 3]]
# 每一行上的元素種類沒(méi)有發(fā)生變化，但是從每一列來(lái)看，列的順序分別翻轉(zhuǎn)了前1，前2，前3個(gè)元素
[[1 2 3]
 [5 4 6]
 [9 8 7]]

以上這篇關(guān)于tf.reverse_sequence()簡(jiǎn)述就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: