tensorflow
Tworzenie RNN, LSTM i dwukierunkowych RNN / LSTM za pomocą TensorFlow
Szukaj…
Tworzenie dwukierunkowego 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')
Parametry
-
state_below
to tensor 3D o następujących wymiarach: [batch_size
, maksymalny indeks sekwencji,dims
]. Wynika to z poprzedniej operacji, takiej jak wyszukiwanie słowa osadzonego. -
dims
to liczba ukrytych jednostek. -
layers
można dopasować powyżej 1, aby utworzyć skumulowaną sieć LSTM .
Notatki
-
tf.unpack
może nie być w stanie określić wielkości danej osi (wnums
przypadkunums
argumentunums
). - Pomocne może być dodanie dodatkowego mnożenia masy + odchylenia poniżej LSTM (np.
tf.matmul(state_below, U) + b
.
Modified text is an extract of the original Stack Overflow Documentation
Licencjonowany na podstawie CC BY-SA 3.0
Nie związany z Stack Overflow