如何将最后一个输出y（t-1）作为输入馈送以在张量流RNN中生成y（t）？

3 回答

• 0

  y（t-1）是最后一个输入还是输出？在这两种情况下，它都不是TensorFlow RNN细胞抽象的直接拟合 . 如果您的RNN很简单，您可以自己编写循环，然后您就可以完全控制 . 我将使用的另一种方法是预处理您的RNN输入，例如，执行以下操作：

  processed_input [t] = tf.concat（input [t]，input [t-1]）

  然后使用processed_input调用RNN单元并在那里进行拆分 .

  回复于 2024-05-19T14:20:43+08:00
• 0

  一种可能性是使用我在article中找到的 tf.nn.raw_rnn . 检查我的答案related post .

  回复于 2024-05-19T14:20:43+08:00
• 2

  我会打电话给你所描述的"autoregressive RNN" . 这是一个（不完整的）代码段，显示了如何使用_2545225创建一个：

  import tensorflow as tf
  
  LSTM_SIZE = 128
  BATCH_SIZE = 64
  HORIZON = 10
  
  lstm_cell = tf.nn.rnn_cell.LSTMCell(LSTM_SIZE, use_peepholes=True)
  
  
  class RnnLoop:
      def __init__(self, initial_state, cell):
          self.initial_state = initial_state
          self.cell = cell
  
      def __call__(self, time, cell_output, cell_state, loop_state):
          emit_output = cell_output  # == None for time == 0
          if cell_output is None:  # time == 0
              initial_input = tf.fill([BATCH_SIZE, LSTM_SIZE], 0.0)
              next_input = initial_input
              next_cell_state = self.initial_state
          else:
              next_input = cell_output
              next_cell_state = cell_state
  
          elements_finished = (time >= HORIZON)
          next_loop_state = None
          return elements_finished, next_input, next_cell_state, emit_output, next_loop_state
  
  
  rnn_loop = RnnLoop(initial_state=initial_state_tensor, cell=lstm_cell)
  rnn_outputs_tensor_array, _, _ = tf.nn.raw_rnn(lstm_cell, rnn_loop)
  rnn_outputs_tensor = rnn_outputs_tensor_array.stack()
  

  这里我们使用一些向量 initial_state_tensor 初始化LSTM的内部状态，并在 t=0 处将零数组作为输入 . 之后，当前时间步的输出是下一个时间步的输入 .

  回复于 2024-05-19T14:20:43+08:00