使用 tf.nn.dynamic_rnn 展開時間維度方式
對于單個的 RNNCell , 使用色的 call 函數(shù)進(jìn)行運算時 ,只是在序列時間上前進(jìn)了一步 。
如使用 x1、 ho 得到此h1, 通過 x2 、 h1 得到 h2 等 。
tf.nn.dynamic_rnn的作用:
如果序列長度為n,要調(diào)用n次call函數(shù),比較麻煩。對此,TensorFlow提供了一個tf.nn.dynamic_mn函數(shù),使用該函數(shù)相當(dāng)于調(diào)用了n次call函數(shù)。通過{ho, x1 , x2,…, xn} 直接得到{h1 , h2,…, hn} 。
具體來說,設(shè)輸入數(shù)據(jù)的格式為(batch_size, time_steps, input size),
其中batch_size表示batch的大小,即包含幾個序列。
time_steps表示序列長度,
input_size表示輸入數(shù)據(jù)單個序列單個時間維度上固有的長度。
此時,得到的outputs是time_steps步里所有的輸出。它的形狀為(batch_size, time_steps, cell.output size)。state 是最后一步的隱狀態(tài),形狀為(batch_size, cell . state_size) 。
至此,在對每一步的輸出進(jìn)行變換,可以得到損失并進(jìn)行訓(xùn)練模型了。
以上這篇使用 tf.nn.dynamic_rnn 展開時間維度方式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
使用pyinstaller打包django的方法實現(xiàn)
本文主要介紹了使用pyinstaller打包django的方法,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價值,感興趣的小伙伴們可以參考一下2021-09-09Python實戰(zhàn)基礎(chǔ)之繪制餅狀圖分析商品庫存
餅狀圖(pie chart)一般用于描述分類型數(shù)據(jù)的相對頻數(shù)或百分?jǐn)?shù)頻數(shù)分布,呈現(xiàn)部分與總體的關(guān)系,下面這篇文章主要給大家介紹了關(guān)于Python實戰(zhàn)基礎(chǔ)之繪制餅狀圖分析商品庫存的相關(guān)資料,需要的朋友可以參考下2022-07-07python用pd.read_csv()方法來讀取csv文件的實現(xiàn)
本文主要介紹了python用pd.read_csv()方法來讀取csv文件的實現(xiàn),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2022-06-06pycharm?使用conda虛擬環(huán)境的詳細(xì)配置過程
這篇文章主要介紹了pycharm?使用conda虛擬環(huán)境,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2023-03-03Python的Flask站點中集成xhEditor文本編輯器的教程
xhEditor是基于jQuery的Web端文本編輯器,基本的圖片上傳等功能也都帶有,這里我們就來看一下Python的Flask站點中集成xhEditor文本編輯器的教程2016-06-06Python虛擬環(huán)境Virtualenv使用教程
這篇文章主要介紹了Python虛擬環(huán)境Virtualenv簡明教程,本文整合了兩篇關(guān)于Virtualenv的使用教程,相信大家有通過本文一定可以學(xué)會如何使用Virtualenv,需要的朋友可以參考下2015-05-05詳解Python最長公共子串和最長公共子序列的實現(xiàn)
這篇文章主要介紹了詳解Python最長公共子串和最長公共子序列的實現(xiàn)。小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧2018-07-07