tensorflow
Skapa RNN, LSTM och dubbelriktad RNN / LSTM med TensorFlow

Skapa en dubbelriktad 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')

parametrar

• state_below är en 3D-tensor med följande dimensioner: [ batch_size , maximal sekvensindex, dims ]. Det här kommer från en tidigare operation, till exempel att leta upp en inbäddning av ord.
• dims är antalet dolda enheter.
• layers kan justeras över 1 för att skapa ett staplat LSTM-nätverk .

anteckningar

• tf.unpack kanske inte kan bestämma storleken på en given axel (använd nums argumentet om detta är fallet).
• Det kan vara bra att lägga till en ytterligare vikt + förspänningsmultiplikation under LSTM (t.ex. tf.matmul(state_below, U) + b .