Tôi không thể hiểu đầu ra từ hàm tf.nn.dynamic_rnn
chức năng lưu lượng. Tài liệu chỉ nói về kích thước của đầu ra, nhưng nó không cho biết mỗi hàng/cột có ý nghĩa gì. Từ tài liệu:Phân tích kết quả đầu ra từ hàm tf.nn.dynamic_rnn tensorflow
kết quả đầu ra: Đầu ra RNN
Tensor
.Nếu time_major == False (mặc định), đây sẽ là
Tensor
có hình dạng:[batch_size, max_time, cell.output_size]
.Nếu time_major == Đúng, đây sẽ là
Tensor
có hình dạng:[max_time, batch_size, cell.output_size]
.Lưu ý, nếu
cell.output_size
là một (có thể lồng nhau) tuple của số nguyên hoặcTensorShape
đối tượng, sau đóoutputs
sẽ là một tuple có
cấu trúc tương tự nhưcell.output_size
, chứa tensors có hình dạng tương ứng với dữ liệu hình dạng trongcell.output_size
.trạng thái: Trạng thái cuối cùng. Nếu
cell.state_size
là một int, điều này sẽ được định hình[batch_size, cell.state_size]
. Nếu đó là
TensorShape
, hình này sẽ được định hình[batch_size] + cell.state_size
.
Nếu đó là một bộ (có thể lồng nhau) của các số int hoặcTensorShape
, điều này sẽ là một bộ có hình dạng tương ứng.
Dây an toàn outputs
là ma trận 3-D nhưng mỗi hàng/cột đại diện cho điều gì?
Điều này, nhưng tôi tin rằng 'state' bổ sung giữ trạng thái ở mọi lớp trong mạng của bạn. Vì vậy, nếu bạn đang sử dụng GRU, bạn sẽ có một trạng thái cho đầu ra của các lớp ứng viên và cổng của bạn, và nếu GRU của bạn là ô cho RNN nhiều lớp, bạn sẽ có các trạng thái này cho mỗi lớp trong mạng của bạn. – Engineero
@Engineero Vâng, đúng vậy, cảm ơn. Tôi đã không đưa ra nhiều chi tiết, nhưng nhà nước cho các tế bào RNN nhiều lớp sẽ là một danh sách các trạng thái của mỗi tế bào riêng biệt, cho các tế bào LSTM sẽ là một cặp tensors và như vậy. – jdehesa
@jdehesa - Bạn có thể vui lòng xem câu hỏi khác mà tôi nêu ra không? https://stackoverflow.com/questions/44116689/siamese-model-with-lstm-network-fails-to-train-using-tensorflow – Mithun