使用 tf.nn.dynamic_rnn 展开时间维度方式
更新时间：2020年01月21日 08:37:42 作者：OscarMind
今天小编就为大家分享一篇使用 tf.nn.dynamic_rnn 展开时间维度方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
对于单个的 RNNCell ， 使用色的 call 函数进行运算时 ，只是在序列时间上前进了一步 。
如使用 x1、 ho 得到此h1， 通过 x2 、 h1 得到 h2 等 。
tf.nn.dynamic_rnn的作用：
如果序列长度为n，要调用n次call函数，比较麻烦。对此，TensorFlow提供了一个tf.nn.dynamic_mn函数，使用该函数相当于调用了n次call函数。通过{ho, x1 , x2，…， xn} 直接得到{h1 , h2，…， hn} 。
具体来说，设输入数据的格式为（batch_size, time_steps, input size），
其中batch_size表示batch的大小，即包含几个序列。
time_steps表示序列长度，
input_size表示输入数据单个序列单个时间维度上固有的长度。
此时，得到的outputs是time_steps步里所有的输出。它的形状为(batch_size, time_steps, cell.output size）。state 是最后一步的隐状态，形状为（batch_size, cell . state_size） 。
至此，在对每一步的输出进行变换，可以得到损失并进行训练模型了。
以上这篇使用 tf.nn.dynamic_rnn 展开时间维度方式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脚本之家。
相关文章
这篇文章主要介绍了Python中join和split用法实例,本文直接给出使用实例,需要的朋友可以参考下2015-04-04
本文主要介绍了使用pyinstaller打包django的方法，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-09-09
这篇文章主要来和大家分享一个Python提高运维效率的脚本，文中的示例代码讲解详细，具有一定的学习价值，感兴趣的小伙伴可以参考下2023-05-05
饼状图(pie chart)一般用于描述分类型数据的相对频数或百分数频数分布,呈现部分与总体的关系,下面这篇文章主要给大家介绍了关于Python实战基础之绘制饼状图分析商品库存的相关资料,需要的朋友可以参考下2022-07-07
python用pd.read_csv()方法来读取csv文件的实现
本文主要介绍了python用pd.read_csv()方法来读取csv文件的实现，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2022-06-06
这篇文章主要介绍了pycharm 使用conda虚拟环境,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2023-03-03
Python的Flask站点中集成xhEditor文本编辑器的教程
xhEditor是基于jQuery的Web端文本编辑器,基本的图片上传等功能也都带有,这里我们就来看一下Python的Flask站点中集成xhEditor文本编辑器的教程2016-06-06
这篇文章主要介绍了Python虚拟环境Virtualenv简明教程,本文整合了两篇关于Virtualenv的使用教程,相信大家有通过本文一定可以学会如何使用Virtualenv,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了Python魔法方法 容器部方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-01-01
这篇文章主要介绍了详解Python最长公共子串和最长公共子序列的实现。小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2018-07-07
最新评论