使用 tf.nn.dynamic_rnn 展開時(shí)間維度方式
對(duì)于單個(gè)的 RNNCell , 使用色的 call 函數(shù)進(jìn)行運(yùn)算時(shí) ,只是在序列時(shí)間上前進(jìn)了一步 。
如使用 x1、 ho 得到此h1, 通過(guò) x2 、 h1 得到 h2 等 。
tf.nn.dynamic_rnn的作用:
如果序列長(zhǎng)度為n,要調(diào)用n次call函數(shù),比較麻煩。對(duì)此,TensorFlow提供了一個(gè)tf.nn.dynamic_mn函數(shù),使用該函數(shù)相當(dāng)于調(diào)用了n次call函數(shù)。通過(guò){ho, x1 , x2,…, xn} 直接得到{h1 , h2,…, hn} 。
具體來(lái)說(shuō),設(shè)輸入數(shù)據(jù)的格式為(batch_size, time_steps, input size),
其中batch_size表示batch的大小,即包含幾個(gè)序列。
time_steps表示序列長(zhǎng)度,
input_size表示輸入數(shù)據(jù)單個(gè)序列單個(gè)時(shí)間維度上固有的長(zhǎng)度。

此時(shí),得到的outputs是time_steps步里所有的輸出。它的形狀為(batch_size, time_steps, cell.output size)。state 是最后一步的隱狀態(tài),形狀為(batch_size, cell . state_size) 。
至此,在對(duì)每一步的輸出進(jìn)行變換,可以得到損失并進(jìn)行訓(xùn)練模型了。
以上這篇使用 tf.nn.dynamic_rnn 展開時(shí)間維度方式就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python 帶你快速上手 Apache APISIX 插件開發(fā)
Apache APISIX Python Runner 來(lái)了,社區(qū)中的小伙伴們?cè)陂_發(fā) Apache APISIX 插件時(shí)又多了一種新選擇,本文將用實(shí)列向大家介紹,需要的朋友可以參考下面文章內(nèi)容2021-09-09
Python實(shí)現(xiàn)K-近鄰算法的示例代碼
k-近鄰算法(K-Nearest Neighbour algorithm),又稱 KNN 算法,是數(shù)據(jù)挖掘技術(shù)中原理最簡(jiǎn)單的算法。本文將介紹實(shí)現(xiàn)K-近鄰算法的示例代碼,需要的可以參考一下2022-09-09
Python接口自動(dòng)化淺析yaml配置文件原理及用法
本文主要給大家介紹了yaml語(yǔ)法、yaml儲(chǔ)存數(shù)據(jù),封裝類讀取yaml配置文件,以及yaml的用法和其原理,有需要的朋友可以參考下,希望可以有所幫助2021-08-08
為2021年的第一場(chǎng)雪錦上添花:用matplotlib繪制雪花和雪景
這篇文章主要介紹了為2021年的第一場(chǎng)雪錦上添花:用matplotlib繪制雪花和雪景,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
python 實(shí)現(xiàn)字符串下標(biāo)的輸出功能
這篇文章主要介紹了python 簡(jiǎn)單的實(shí)現(xiàn)字符串下標(biāo)的輸出,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì),具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-02-02
python利用腳本輕松實(shí)現(xiàn)ssh免密登陸配置
這篇文章主要為大家詳細(xì)介紹了python如何利用腳本輕松實(shí)現(xiàn)ssh免密登陸配置,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-12-12

