tensorflow
RNN, LSTM en bidirectionele RNN / LSTM's maken met TensorFlow

Een bidirectionele LSTM maken

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')

parameters

• state_below is een 3D tensor van de volgende afmetingen: [ batch_size , maximum sequentie index dims ]. Dit komt van een eerdere bewerking, zoals het opzoeken van een woord insluiten.
• dims is het aantal verborgen eenheden.
• layers kunnen boven 1 worden aangepast om een gestapeld LSTM-netwerk te creëren.

Notes

• tf.unpack kan mogelijk de grootte van een gegeven as niet bepalen (gebruik het argument nums als dit het geval is).
• Het kan nuttig zijn om een extra gewicht + bias-vermenigvuldiging toe te voegen onder de LSTM (bijv. tf.matmul(state_below, U) + b .