我正在尝试使用不同的输入/输出大小在tensorflow中运行一个简单的 BasicRNN model . 输入的形状应为 [batch_size, 50, 2] ，输出的形状应为 [batch_size, 75, 2] .

在完成下面相同形状（in_length = out_length）的示例之后，我尝试将sequence_length参数添加到dynamic_rnn以预测更大的输出序列，但它似乎不起作用，因为我总是在输入时接收到值错误模型 .

in_length = 50
out_length = 75
num_inputs = 2
num_outputs = 2
hidden = 64
batch_size = 1024

x = tf.placeholder(tf.float32, [None, out_length, num_inputs], name="Inputs")
y = tf.placeholder(tf.float32, [None, out_length, num_outputs], name="Labels")

basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=hidden, activation=tf.nn.relu)

rnn_output, _ = tf.nn.dynamic_rnn(basic_cell, 
                                  x, 
                                  sequence_length=[in_length]*batch_size,
                                  dtype=tf.float32)

stacked_rnn_output = tf.reshape(rnn_output, [-1, hidden])
stacked_outputs = tf.layers.dense(stacked_rnn_output, num_outputs)
outputs = tf.reshape(stacked_outputs, [-1, out_length, num_outputs])

...

batch = np.random.choice(N, batch_size, replace=False)
sess.run([training_op], feed_dict={x:x_batches[batch], y:y_batches[batch]})

Value Error:

Traceback (most recent call last):
File "/home/timeseries/main.py", line 142, in <module>
    sess.run([training_op], feed_dict={x:x_batches[batch], y:y_batches[batch]})
File "/usr/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 778, in run
    run_metadata_ptr)
File "/usr/lib/python2.7/site-packages/tensorflow/python/client/session.py", line 961, in _run
    % (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))

ValueError: Cannot feed value of shape (1024, 50, 2) for Tensor u'Inputs:0', which has shape '(?, 100, 2)'

有人对我有暗示吗？在理解不同序列长度时是否存在一般错误？我想，这些形状应该不是dynamic_rnn的问题......

EDIT

我添加了追溯，虽然我不认为，这可能会有所帮助 . 这绝对是第二个维度的问题，我已经解决了，但它不是我的模型的正确解决方案 .

我通过用零填充输入来更新我的模型，所以我有输入和输出相同的张量 . 该模型不会再出现值错误，但我希望我可以为网络提供50个实数值25个零= 75并且将接收75个预测值，因为我正在使用序列长度参数并且我正在训练网络有75个真实标签 . 但是输出是50个实数值和25个零...

这应该是一个多对多/一对多的问题，我认为这对于一个问题没有问题...

python tensorflow lstm rnn