首页 文章

Tensorflow展开的LSTM比输入序列长

提问于
浏览 次
1

我想在tensorflow中创建一个LSTM来预测时间序列数据 . 我的训练数据是一组不同长度的输入/输出序列 . 我可以在同一个培训批次中包含多个不同长度的序列吗？或者我需要将它们填充到相同的长度？如果是这样，怎么样？

另外：如果展开的RNN长于输入序列，张量流会做什么？ rnn() 方法包含一个可选的 sequence_length 参数，该参数似乎是为处理这种可能性而设计的，但我不清楚它的作用 .

tensorflow lstm recurrent-neural-network

2 回答

  • 0

    你想从头开始构建模型吗？否则，您可能需要查看translate.py模型 . 在这里你的问题由以下几点处理： - 用PAD符号填充输入（和输出）序列（基本上是中性的“无信息” - 符号） - 桶：对于不同的长度组，你可以创建不同的桶（有意义）只有当你的序列长度从最短到最长时才是非常不同的

    回复于
  • 0

    您不必将相同长度的输入/输出序列批量批量处理 . TF有一种指定输入大小的方法 . 参数“sequence_length”控制单元格展开的时间步数 . 因此TF将仅将您的单元格展开到sequence_length，而不是步长 .

    因此，在输入和输出的同时，也会提供包含每个输入长度的sequence_length数组

    tf.nn.bidirectional_rnn(fwd_stacked_lstm_cells, bwd_stacked_lstm_cells, 
                          reshaped_inputs,                                                                                 
                          sequence_length=sequence_length)

    .....

    feed_dict={
    model.inputs: x,
    model.targets: y,
    model.sequence_length: lengths})

    哪里

    • len（length）== batch_size和

    • 对于所有i，length [i] ==输入x [i]的长度（与outpu y [i]的长度相同）

    回复于

相关问题