我已经设法训练了一个带有张量流的word2vec，我想将这些结果反馈到一个带有lstm细胞的rnn中进行序列标记 .
1）如何将训练有素的word2vec模型用于rnn并不是很清楚 . （如何提供结果？）
2）我没有找到关于如何实现序列标记lstm的文档 . （我如何带上我的标签？）
有人能指出我如何开始这项任务的正确方向吗？
我意识到这是在不久前发布的，但我发现this Gist about sequence labeling和this Gist about variable sequence labeling对于确定序列标记非常有帮助 . 基本轮廓（要点的要点）：
使用 dynamic_rnn 处理展开网络以进行培训和预测 . 这种方法已经在API中移动了一些，因此您可能必须为您的版本找到它，而只是谷歌它 .
dynamic_rnn
将您的数据分成大小为 [batch_size, sequence_length, num_features] 的批次，并将您的标签分成大小为 [batch_size, sequence_length, num_classes] 的批次 . 请注意，您需要序列中每个时间步的标签 .
[batch_size, sequence_length, num_features]
[batch_size, sequence_length, num_classes]
对于可变长度序列，将值传递给批处理中每个序列的 dynamic_rnn 包装器的 sequence_length 参数 .
sequence_length
训练RNN与定义网络结构后训练任何其他神经网络非常相似：提供训练数据和目标标签并观察它学习！
还有一些警告：
使用可变长度序列，您需要构建掩码来计算错误指标和内容 . 当你制作自己的错误指标时，它会忘记！我跑了几次，这使我的网络看起来像他们在可变长度序列上做得更糟 .
您可能希望在损失函数中添加正则化项 . 没有这个我有一些收敛问题 .
我建议首先使用 tf.train.AdamOptimizer 使用默认设置 . 根据您的数据，这可能不会收敛，您需要调整设置 . This article很好地解释了不同旋钮的作用 . 从一开始就开始阅读，在亚当部分之前解释了一些旋钮 .
tf.train.AdamOptimizer
希望这些链接将来对其他人有所帮助！
我建议你先阅读RNN tutorial和sequence-to-sequence tutorial . 他们解释了如何在TensorFlow中构建LSTM . 一旦你必须找到正确的嵌入变量并使用你预先训练的word2vec模型进行分配 .
2 回答
我意识到这是在不久前发布的，但我发现this Gist about sequence labeling和this Gist about variable sequence labeling对于确定序列标记非常有帮助 . 基本轮廓（要点的要点）：
使用
dynamic_rnn处理展开网络以进行培训和预测 . 这种方法已经在API中移动了一些，因此您可能必须为您的版本找到它，而只是谷歌它 .将您的数据分成大小为
[batch_size, sequence_length, num_features]的批次，并将您的标签分成大小为[batch_size, sequence_length, num_classes]的批次 . 请注意，您需要序列中每个时间步的标签 .对于可变长度序列，将值传递给批处理中每个序列的
dynamic_rnn包装器的sequence_length参数 .训练RNN与定义网络结构后训练任何其他神经网络非常相似：提供训练数据和目标标签并观察它学习！
还有一些警告：
使用可变长度序列，您需要构建掩码来计算错误指标和内容 . 当你制作自己的错误指标时，它会忘记！我跑了几次，这使我的网络看起来像他们在可变长度序列上做得更糟 .
您可能希望在损失函数中添加正则化项 . 没有这个我有一些收敛问题 .
我建议首先使用
tf.train.AdamOptimizer使用默认设置 . 根据您的数据，这可能不会收敛，您需要调整设置 . This article很好地解释了不同旋钮的作用 . 从一开始就开始阅读，在亚当部分之前解释了一些旋钮 .希望这些链接将来对其他人有所帮助！
我建议你先阅读RNN tutorial和sequence-to-sequence tutorial . 他们解释了如何在TensorFlow中构建LSTM . 一旦你必须找到正确的嵌入变量并使用你预先训练的word2vec模型进行分配 .