我想在Tensorflow中创建一个多层双向LSTM.目前我的单层模型看起来像：
cell_fw = tf.contrib.rnn.LSTMCell(hidden_size)
cell_bw = tf.contrib.rnn.LSTMCell(hidden_size)
(self.out_fw, self.out_bw), _ = tf.nn.bidirectional_dynamic_rnn(cell_fw, cell_bw, input, ...)
为了把它变成一个多层的我怀疑我不能简单地用一些像这样的MultiRNNCells包装一些LSTMCell：
multi_cell_fw = tf.contrib.rnn.MultiRNNCell([cell_fw] * num_layers, ...)
并将它们输入bidirectional_dynamic_rnn,因为每层中的前向和后向LSTM都需要前一层的前向和后向两者的输出.目前我的解决方案是在循环中创建我的bidirectional_dynamic_rnns,输入前面图层的LSTM的连接输出.
然而,它不是很干净,坦率地说我不确定它是否正确,尽管它确实适用于玩具数据集.使用像MultiRNNCell这样的东西有更好的方式吗？
我正在使用Tensorflow API r1.0.
解决方法:
做就是了：
multi_cell_fw = tf.contrib.rnn.MultiRNNCell([cell_fw for _ in range(num_layers)],…)
这应该工作.
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。