溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
小編給大家分享一下如何使用tf.nn.dynamic_rnn展開時間維度，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！
對于單個的 RNNCell ， 使用色的 call 函數(shù)進(jìn)行運算時 ，只是在序列時間上前進(jìn)了一步 。
如使用 x1、 ho 得到此h2， 通過 x2 、 h2 得到 h3 等 。
tf.nn.dynamic_rnn的作用：
如果序列長度為n，要調(diào)用n次call函數(shù)，比較麻煩。對此，TensorFlow提供了一個tf.nn.dynamic_mn函數(shù)，使用該函數(shù)相當(dāng)于調(diào)用了n次call函數(shù)。通過{ho, x1 , x2，…， xn} 直接得到{h2 , h3，…， hn} 。
具體來說，設(shè)輸入數(shù)據(jù)的格式為（batch_size, time_steps, input size），
其中batch_size表示batch的大小，即包含幾個序列。
time_steps表示序列長度，
input_size表示輸入數(shù)據(jù)單個序列單個時間維度上固有的長度。
此時，得到的outputs是time_steps步里所有的輸出。它的形狀為(batch_size, time_steps, cell.output size）。state 是最后一步的隱狀態(tài)，形狀為（batch_size, cell . state_size） 。
至此，在對每一步的輸出進(jìn)行變換，可以得到損失并進(jìn)行訓(xùn)練模型了。
以上是“如何使用tf.nn.dynamic_rnn展開時間維度”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼
