- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我无法理解 tf.nn.dynamic_rnn
的输出 tensorflow 函数。该文档仅说明输出的大小,但并未说明每行/列的含义。从文档:
outputs: The RNN output
Tensor
.If time_major == False (default), this will be a
Tensor
shaped:[batch_size, max_time, cell.output_size]
.If time_major == True, this will be a
Tensor
shaped:[max_time, batch_size, cell.output_size]
.Note, if
cell.output_size
is a (possibly nested) tuple of integers orTensorShape
objects, thenoutputs
will be a tuple having the
same structure ascell.output_size
, containing Tensors having shapes corresponding to the shape data incell.output_size
.state: The final state. If
cell.state_size
is an int, this will be shaped[batch_size, cell.state_size]
. If it is a
TensorShape
, this will be shaped[batch_size] + cell.state_size
.
If it is a (possibly nested) tuple of ints orTensorShape
, this will be a tuple having the corresponding shapes.
outputs
张量是一个 3-D 矩阵,但每行/列代表什么?
最佳答案
tf.dynamic_rnn
提供两个输出,outputs
和 state
.
outputs
包含 RNN 单元在每个时刻的输出。假设默认 time_major == False
,假设您有一个由 10 个示例组成的输入,每个示例有 7 个时间步,每个时间步都有一个大小为 5 的特征向量。那么您的输入将是 10x7x5 ( batch_size
x max_time
x features
)。现在,您将其作为输出大小为 15 的 RNN 单元的输入。从概念上讲,每个示例的每个时间步都是 RNN 的输入,您将获得每个长度为 15 的向量。这就是outputs
在这种情况下,包含一个大小为 10x7x15 ( batch_size
x max_time
x cell.output_size
) 的张量,以及每个时间步的 RNN 单元的输出。如果您只对单元格的最后一个输出感兴趣,则可以将时间维度切片以仅选择最后一个元素(例如 outputs[:, -1, :]
)。 state
包含处理所有输入后 RNN 的状态。请注意,与 outputs
不同,这不包含关于每个时间步的信息,而只包含关于最后一个(即最后一个之后的状态)的信息。根据您的情况,状态可能有用也可能没有用。例如,如果您有很长的序列,您可能不希望/无法在单个批次中处理它们,并且您可能需要将它们拆分为多个子序列。如果您忽略 state
,那么每当你给出一个新的子序列时,就好像你在开始一个新的子序列;但是,如果您记住状态(例如输出它或将其存储在变量中),您可以稍后将其反馈(通过 initial_state
的 tf.nn.dynamic_rnn
参数)以正确跟踪 RNN 的状态,并且只有在完成整个序列后才将其重置为初始状态(通常为全零)。 state
的形状可能会因您使用的 RNN 单元而异,但一般来说,每个示例都有一些状态(一个或多个大小为 batch_size
x state_size
的张量,其中 state_size
取决于单元类型和大小)。 关于tensorflow - tf.nn.dynamic_rnn tensorflow 函数的输出分析,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44162432/
在 Vim 中,我打开了一个基本结构如下的文件: 3677137 00:01:47.04 666239 00:12:57.86 4346 00:00:01.77 418 00:00:0
我正在尝试构建一个正则表达式来处理以字符串形式呈现给我的数据类型,有两种可能的格式: 字符串[nmin..nmax] 字符串[nmax] 其中 nmin 和 nmax 是一些数字。 我构建了适合我的正
我尝试按照 tensorflow 教程实现 MNIST CNN 神经网络,并找到这些实现 softmax 交叉熵的方法给出了不同的结果: (1) 不好的结果 softmax = tf.nn.softm
我是 Pytorch 的新手,我不太了解的一件事是 nn.ModuleList 的用法。和 nn.Sequential .我能知道什么时候应该使用一个而不是另一个吗?谢谢。 最佳答案 nn.Modul
我不明白当数据为 3D 时 BatchNorm1d 如何工作(批量大小、H、W)。 示例 输入大小:(2,50,70) 图层:nn.Linear(70,20) 输出大小:(2,50,20) 如果我随后
我浏览了chapter 7 NLTK 书中的内容正在寻找解决方案,但到目前为止我还不清楚。 *表示 0 个或多个名词 *正如书中所解释的,意思是0个或多个任何类型的名词 NLTK 中是 NN , NN
:nn.MaxPool2d(kernel_size, stride) 和 nn.function.max_pool2d(t, kernel_size, stride) 之间有什么区别? 我在模块中定义
我正在使用 Hadoop 2.6.0-cdh5.6.0。我已经配置了 HA。我显示了事件(NN1)和备用名称节点(NN2)。现在,当我向事件名称节点(NN1)发出终止信号时,备用名称节点(NN2)不会
Pytorch 中的许多损失函数都在 nn.modules.loss 和 nn.functional 中实现。 例如,下面的两行返回相同的结果。 import torch.nn as nn impor
我已阅读 docs of both functions ,但据我所知,对于函数 tf.nn.softmax_cross_entropy_with_logits(logits, labels, dim=
当我尝试比较 tf.nn.fused_batch_norm 的方差输出和 tf.nn.moments 的方差输出时,对于相同的输入,我没有相同的值。 import numpy as np import
当我尝试比较 tf.nn.fused_batch_norm 的方差输出和 tf.nn.moments 的方差输出时,对于相同的输入,我没有相同的值。 import numpy as np import
这个问题在这里已经有了答案: Are there any computational efficiency differences between nn.functional() Vs nn.seq
我有一个简单的 Java 客户端,可以将文件保存到 HDFS - 配置了 1 个名称节点。为此,我使用 hadoop 配置,指定默认文件系统,如: org.apache.hadoop.conf.Con
我将此 varchar 格式作为时间累积,我想将其转换为整数以执行 SUM 并获得一组的总时间。第一部分可以是1、2、3、4甚至5位数字,代表小时数的累加,然后用冒号隔开。然后是第二部分,即分钟的累积
在 pytorch 0.4.0 版本中,有一个 nn.LayerNorm模块。 我想在我的 LSTM 网络中实现这一层,尽管我在 LSTM 网络上找不到任何实现示例。 pytorch 贡献者暗示这 n
以下是使用 PyTorch 中的 nn.functional() 模块的前馈网络 import torch.nn as nn import torch.nn.functional as F class
对于住宿实体,我们有两列可以为空:CollectionType和 AccommodationUnitType . 但是我注意到在数据中它们被设置为零而不是空,导致 NHibernate 尝试查找 id
我只需要分块那些只有那种模式的短语,而不是再分块一次。我在 Python 中使用 NLTK 库 完成了它,但不起作用 import nltk import re document="they run
例如,如果我有以下模型类: class MyTestModel(nn.Module): def __init__(self): super(MyTestModel, self)
我是一名优秀的程序员,十分优秀!