CFSDN坚持开源创造价值，我们致力于搭建一个资源共享平台，让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章关于tf.reverse_sequence()简述由作者收集整理，如果你对这篇文章有兴趣，记得点赞哟.

tf.reverse_sequence()简述 。

在看bidirectional_dynamic_rnn()的源码的时候，看到了代码中有调用 reverse_sequence()这一方法，于是又回去看了下这个函数的用法，发现还是有点意思的。根据名字就可以能看得出，这个方法主要是用来翻转序列的，就像双线LSTM中在反向传播那里需要从下文往上文处理一样，需要对序列做一个镜像的翻转处理.

先来看一下这个方法的定义:

其中input是输入的需要翻转的目标张量，seq_lengths是一个张量； 。

其元素是input中每一处需要翻转时翻转的长度，在双向LSTM中这个值统一被设为输入语句的长度，代表着整句话都需要被翻转，而实际上张量中的元素值可以是不同的，下面的例子中就可以看出； 。

seq_axis和seq_dim的关系，在源码中做了如下操作:

返回中return gen_array_ops.reverse_sequence(..., seq_dim=seq_axis,...)，同理，对于batch_axis和batch_dim也是相同的处理。意义上来说，按照官方给出的解释，“此操作首先沿着维度batch_axis对input进行分割，并且对于每个切片 i，将前 seq_lengths 元素沿维度 seq_axis 反转”。实际上通俗来理解，就是对于张量input中的第batch_axis维中的每一个子张量，在这个子张量的第seq_axis维上进行翻转，翻转的长度为 seq_lengths 张量中对应的数值.

举个例子，如果 batch_axis=0，seq_axis=1，则代表我希望每一行为单位分开处理，对于每一行中的每一列进行翻转。相反的，如果 batch_axis=1，seq_axis=0，则是以列为单位，对于每一列的张量，进行相应行的翻转。回头去看双向RNN的源码，就可以理解当time_major这一属性不同时，time_dim 和 batch_dim 这一对组合的取值为什么恰好是相反的了.

写一个简单的测试代码:

结果如下:

以上这篇关于tf.reverse_sequence()简述就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我.

原文链接：https://blog.csdn.net/cerisier/article/details/80118611 。

最后此篇关于关于tf.reverse_sequence()简述的文章就讲到这里了,如果你想了解更多关于关于tf.reverse_sequence()简述的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。