tensorflow
Erstellen von RNN, LSTM und bidirektionalen RNN / LSTMs mit TensorFlow

Erstellen eines bidirektionalen LSTM

import tensorflow as tf

dims, layers = 32, 2
# Creating the forward and backwards cells
lstm_fw_cell = tf.nn.rnn_cell.BasicLSTMCell(dims, forget_bias=1.0)
lstm_bw_cell = tf.nn.rnn_cell.BasicLSTMCell(dims, forget_bias=1.0)
# Pass lstm_fw_cell / lstm_bw_cell directly to tf.nn.bidrectional_rnn
# if only a single layer is needed
lstm_fw_multicell = tf.nn.rnn_cell.MultiRNNCell([lstm_fw_cell]*layers)
lstm_bw_multicell = tf.nn.rnn_cell.MultiRNNCell([lstm_bw_cell]*layers)

# tf.nn.bidirectional_rnn takes a list of tensors with shape 
# [batch_size x cell_fw.state_size], so separate the input into discrete
# timesteps.
_X = tf.unpack(state_below, axis=1)
# state_fw and state_bw are the final states of the forwards/backwards LSTM, respectively
outputs, state_fw, state_bw = tf.nn.bidirectional_rnn(lstm_fw_multicell, lstm_bw_multicell, _X, dtype='float32')

Parameter

• state_below ist ein 3D-Tensor mit folgenden Abmessungen: [ batch_size , maximaler Sequenzindex, dims ]. Dies ist auf eine frühere Operation zurückzuführen, beispielsweise das Nachschlagen eines Wortes.
• dims ist die Anzahl der versteckten Einheiten.
• layers können über 1 angepasst werden, um ein gestapeltes LSTM-Netzwerk zu erstellen.

Anmerkungen

• tf.unpack kann möglicherweise die Größe einer bestimmten Achse nicht bestimmen (verwenden nums diesem Fall das Argument nums ).
• Es kann hilfreich sein, unter dem LSTM eine zusätzliche Multiplikation mit Gewichtung + Vorspannung hinzuzufügen (z. B. tf.matmul(state_below, U) + b .