tensorflow
Creación de RNN, LSTM y RNN / LSTM bidireccionales con TensorFlow

Creando un LSTM bidireccional

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')

Parámetros

• state_below es un tensor 3D de con las siguientes dimensiones: [ batch_size , máximo índice de secuencia, dims ]. Esto proviene de una operación anterior, como buscar una palabra incrustada.
• dims es el número de unidades ocultas.
• layers se pueden ajustar por encima de 1 para crear una red LSTM apilada .

Notas

• tf.unpack posible que tf.unpack no pueda determinar el tamaño de un eje dado (use el argumento nums si este es el caso).
• Puede ser útil agregar una multiplicación de sesgo + peso adicional debajo de la LSTM (por ejemplo, tf.matmul(state_below, U) + b .