TensorFlow dynamic_rnn状态

TensorFlow dynamic_rnn状态

tf.nn.dynamic_rnn

返回两个张量：

outputs

和

states

。

的

outputs

保存所有细胞在批处理的所有序列的输出。因此，如果特定序列更短并用零填充，

outputs

则最后一个像元的将为零。

在

states

保持最后的细胞状态，或者等价每个序列的最后一个非零输出（如果您正在使用

BasicRNNCell

）。

这是一个例子：

import numpy as npimport tensorflow as tfn_steps = 2n_inputs = 3n_neurons = 5X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])seq_length = tf.placeholder(tf.int32, [None])basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)outputs, states = tf.nn.dynamic_rnn(basic_cell, X, sequence_length=seq_length, dtype=tf.float32)X_batch = np.array([  # t = 0      t = 1  [[0, 1, 2], [9, 8, 7]], # instance 0  [[3, 4, 5], [0, 0, 0]], # instance 1])seq_length_batch = np.array([2, 1])with tf.Session() as sess:  sess.run(tf.global_variables_initializer())  outputs_val, states_val = sess.run([outputs, states],     feed_dict={X: X_batch, seq_length: seq_length_batch})  print('outputs:')  print(outputs_val)  print('nstates:')  print(states_val)

打印类似：

outputs:[[[-0.85381496 -0.19517037  0.36011398 -0.18617202  0.39162001]  [-0.99998015 -0.99461144 -0.82241321  0.93778896  0.90737367]] [[-0.99849552 -0.88643843  0.20635395  0.157896    0.76042926]  [ 0.          0.          0.          0.          0.        ]]]  # because len=1states:[[-0.99998015 -0.99461144 -0.82241321  0.93778896  0.90737367] [-0.99849552 -0.88643843  0.20635395  0.157896    0.76042926]]

请注意，

states

保持与中的向量相同

output

，它们是每个批处理实例的最后一个非零输出。