使用 tf.nn.dynamic_rnn 展開時間維度方式
對于單個的 RNNCell ， 使用色的 call 函數(shù)進(jìn)行運(yùn)算時 ，只是在序列時間上前進(jìn)了一步 。
如使用 x1、 ho 得到此h1， 通過 x2 、 h1 得到 h2 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{h1 , h2，…， 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。
以上這篇使用 tf.nn.dynamic_rnn 展開時間維度方式就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python判斷Nan值的五種方式小結(jié)，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-05-05
這篇文章主要介紹了Python實現(xiàn)批量下載圖片的方法,涉及Python基于urllib、urllib2及re等模塊獲取URL及正則匹配下載圖片的技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07
Python 帶你快速上手 Apache APISIX 插件開發(fā)
Apache APISIX Python Runner 來了，社區(qū)中的小伙伴們在開發(fā) Apache APISIX 插件時又多了一種新選擇，本文將用實列向大家介紹,需要的朋友可以參考下面文章內(nèi)容2021-09-09
這篇文章主要介紹了Python刪除windows垃圾文件的方法,涉及Python針對系統(tǒng)垃圾文件的查找與清理技巧,具有一定參考借鑒價值,需要的朋友可以參考下2015-07-07
k-近鄰算法（K-Nearest Neighbour algorithm），又稱 KNN 算法，是數(shù)據(jù)挖掘技術(shù)中原理最簡單的算法。本文將介紹實現(xiàn)K-近鄰算法的示例代碼，需要的可以參考一下2022-09-09
本文主要給大家介紹了yaml語法、yaml儲存數(shù)據(jù)，封裝類讀取yaml配置文件，以及yaml的用法和其原理，有需要的朋友可以參考下，希望可以有所幫助2021-08-08
為2021年的第一場雪錦上添花:用matplotlib繪制雪花和雪景
這篇文章主要介紹了為2021年的第一場雪錦上添花:用matplotlib繪制雪花和雪景，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
python 實現(xiàn)字符串下標(biāo)的輸出功能
這篇文章主要介紹了python 簡單的實現(xiàn)字符串下標(biāo)的輸出，本文通過實例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值,需要的朋友可以參考下2020-02-02
弱引用在很多語言中都存在,最常用來解決循環(huán)引用問題,本文就來和大家一起探索一下python中的弱引用,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-09-09
這篇文章主要為大家詳細(xì)介紹了python如何利用腳本輕松實現(xiàn)ssh免密登陸配置,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-12-12