python – 获取具有可变序列长度的激活时的Tensorflow GRU单元错误

概述我想在一些时间序列数据上运行GRU单元格,以根据最后一层中的激活对它们进行聚类.我对GRU单元实现做了一个小改动 def __call__(self, inputs, state, scope=None):"""Gated recurrent unit (GRU) with nunits cells."""with vs.variable_scope(scope or type(self)._ 我想在一些时间序列数据上运行GRU单元格,以根据最后一层中的激活对它们进行聚类.我对GRU单元实现做了一个小改动

def __call__(self,inputs,state,scope=None):"""Gated recurrent unit (GRU) with nunits cells."""with vs.variable_scope(scope or type(self).__name__):  # "GRUCell"  with vs.variable_scope("Gates"):  # reset gate and update gate.    # We start with bias of 1.0 to not reset and not update.    r,u = array_ops.split(1,2,linear([inputs,state],2 * self._num_units,True,1.0))    r,u = sigmoID(r),sigmoID(u)  with vs.variable_scope("CandIDate"):    c = tanh(linear([inputs,r * state],self._num_units,True))  new_h = u * state + (1 - u) * c  # store the activations,everything else is the same  self.activations = [r,u,c]return new_h,new_h

在此之后,我将以下面的方式连接激活,然后在调用此GRU单元的脚本中返回它们

@propertydef activations(self):    return self._activations@activations.setterdef activations(self,activations_array):    print "PRINT THIS"             concactivations = tf.concat(concat_dim=0,values=activations_array,name='concat_activations')    self._activations = tf.reshape(tensor=concactivations,shape=[-1],name='flatten_activations')

我以下面的方式调用GRU单元

outputs,state = rnn.rnn(cell=cell,inputs=x,initial_state=initial_state,sequence_length=s)

其中s是批处理长度数组,其中包含输入批处理的每个元素中的时间戳数.

最后我拿到了

fetched = sess.run(fetches=cell.activations,Feed_dict=Feed_dict)

执行时我收到以下错误

Traceback(最近一次调用最后一次)：
  文件“xxx.py”,第162行,in
    fetched = sess.run(fetches = cell.activations,Feed_dict = Feed_dict)
  文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第315行,在运行中
    return self._run(None,fetches,Feed_dict)
  在_run中输入文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第511行
    Feed_dict_string)
  在_do_run中输入文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第564行
    target_List)
  在_do_call中输入文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第588行
    six.reraise(e_type,e_value,e_traceback)
  在_do_call中输入文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第571行
    return fn(* args)
  在_run_fn中输入文件“/xxx/local/lib/python2.7/site-packages/tensorflow/python/clIEnt/session.py”,第555行

return tf_session.TF_Run(session,Feed_dict,fetch_List,target_List)
tensorflow.python.pywrap_tensorflow.StatusNotOK：无效参数：为RNN / cond_396 / ClusterableGRUCell / flatten_activations返回的张量：0无效.

有人可以通过传递可变长度序列来了解如何在最后一步从GRU单元获取激活吗？谢谢.

解决方法 要从最后一步获取激活,您需要将激活作为状态的一部分,由tf.rnn返回. 总结

以上是内存溢出为你收集整理的python – 获取具有可变序列长度的激活时的Tensorflow GRU单元错误全部内容，希望文章能够帮你解决python – 获取具有可变序列长度的激活时的Tensorflow GRU单元错误所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。