我正在尝试使用低级api tf.nn.raw_rnn复制tf.nn.dynamic_rnn的行为。为了做到这一点，我使用相同的数据补丁，设置随机种子，并使用相同的hparams来创建细胞和递归神经网络。但是，这两种实现生成的输出并不相等。下面是数据和代码。
浏览 35提问于2019-01-26得票数 5
回答已采纳
这里我问的是动态行为是如何工作的。这是上述dynamic_rnn函数的tensorflow 。此函数创建的RNN输入块的最大长度是多少？它会根据最大的输入填充所有较短的吗？
浏览 0提问于2017-06-07得票数 2
回答已采纳
同一网络在我的计算机上正确运行，但当我在Datalab上运行它时，我得到以下错误：dynamic_rnn()的用法如下：rnn_outputs，state =tf.nn.dynamic_rnn(单元，输入，initial_state = initial_state_placeholder)
这是tensorflow版本的问题吗在我的计算机上，我使用的是tensorflow-0.9.0，这是Ubuntu最新的GPU安装版。Clo
浏览 5提问于2016-07-28得票数 1
回答已采纳
朱莉娅0.6.0
import tensorflow as tf
batch_size =
浏览 3提问于2017-12-11得票数 1
回答已采纳
3回答
我在Tensorflow源代码中特别提到了这一点，但是我正在寻找一种概念上的解释，它通常扩展到RNN。在tensorflow rnn方法中，记录了以下内容：
参数sequence_length是可选的，用于复制通过批处理元素的序列长度时的状态和零输出dynamic_rnn和rnn在概念上有什么区别？
浏览 6提问于2016-08-14得票数 23
1回答
假设我需要一个范围为-1到1的输出，在这种情况下，我将使用具有tanh激活函数的密集层。
我的问题是:为什么不添加另一个内部大小为1的递归层呢？
浏览 0提问于2017-03-17得票数 2
我在GPU支持下使用Tensorflow 1.1.0，我有以下功能：ValueError:尝试使用与第一次使用不同的变量范围重用RNNCell。如果在
浏览 0提问于2017-05-08得票数 0
回答已采纳
4回答
我正在尝试将张量从[A, B, C, D]重塑为[A, B, C * D]，并将其提供给dynamic_rnn。假设我事先不知道B、C和D(它们是卷积网络的结果)。我认为在Theano中，这样的重塑应该是这样的：在TensorFlow中，似乎没有简单的方法来做到这一点，到目前为止，我想出了以下方法：ValueError: Input size (de
浏览 0提问于2017-10-31得票数 6
，它不能使用legacy_seq2seq来拥有批处理方法。
那么，如何使用tensorflow实现批处理方法中的多维输入rnn呢？或者它不存在？
浏览 13提问于2018-01-12得票数 0
我使用Keras和Tensorflow和LSTM编写了简单的Sin函数预测器，但发现Keras代码的性能要慢得多，运行大约5分钟，而Tensorflow代码运行模型只需要20秒。'pred_vs_real_BS'+str(BATCH_SIZE)+"_"+time.ctime()+'.png'))Tensorflow代码：im
浏览 0提问于2019-08-06得票数 1
如何使用cell = ConvLSTMCell()和MultiRNNCell在每一层中使用不同数量的过滤器来构建多层神经网络？
浏览 3提问于2018-02-23得票数 0
回答已采纳
在最后一个块中，它说dynamic_rnn函数不能应用于计算注意力。但我不明白的是，我们所需要的只是解码器的隐藏状态，以便找到将用编码器符号计算出来的注意。
浏览 3提问于2017-05-30得票数 1
回答已采纳
这个问题是关于使用Tensorflow的编码策略。我想建立一个小型分类器网络，由：
我是否两次使用函数 (一个用于解包批，一个用于解压缩序列)，
浏览 1提问于2016-11-30得票数 3
然而，由于Tensorflow的图表要求我们将占位符放在前面，我不知道如何实现这一点。问题是，在我实际输入输入之前，我不知道输入序列将被分成多少部分。
浏览 2提问于2016-03-08得票数 1
我创建了一个相当复杂的seq2seq类型模型(基于“神经传感器”)，在最新版本的Tensorflow中，以下代码返回错误：该代码以前起作用，只是因为它的最新版本已经停止: numpy (1.14.0) protobuf (3.5.1) tensorflow(1.5.0) tensorflow-gpu (1.3.0
浏览 1提问于2018-02-09得票数 1
回答已采纳
1回答
给定一个TensorFlow tf.while_loop，如何计算x_out相对于网络每个时间步长的所有权重的梯度？使用tf.gradients(x, tf.trainable_variables())调用AttributeError: 'WhileContext' object has no attribute '在循环中使用tf.gradients的唯一可能性似乎是只计算相对于weight_1的梯度和x_in / time的当前值，而不经过时间的反向传播。
浏览 0提问于2018-03-29得票数 10
回答已采纳
我想知道为什么在Seq2Seq TensorFlow教程中引入了这些桶。我理解不处理填充符号可以提高效率，但如果使用rnn并指定sequence_length参数，则可以避免处理填充符号。或者如果您使用dynamic_rnn。
这是因为它有助于在多台设备/机器之间分发培训吗？
浏览 0提问于2016-07-14得票数 0
回答已采纳
当使用tensorflow的Dataset API Iterator时，我的目标是定义一个对迭代器的get_next()张量操作的RNN作为它的输入(参见代码中的(1) )。现在，我知道一种解决方法是为next_batch创建一个占位符，然后为张量创建一个占位符(因为您不能传递张量本身)，然后使用feed_dict传递它(参见代码中的X和(2) )。有没有办法：
以某种方式将现有的get_next()张量直接传递给占位符，即dyn
浏览 3提问于2017-11-20得票数 2
回答已采纳
我已经在Keras上完成了这个任务，并看到了类似的TFLearn解决方案，但我希望以一种相对高效的方式在裸Tensorflow上实现这一点。我的(很多)问题:如何使这个网络直接从Tensorflow返回一个序列，而不对每个示例返回python (输入一个序列并预测相同大小的序列)？在测试期间是否需要dynamic_rnn，还是只用于在培训期间展开BPTT？为什么dynamic_rnn要返回所有反向传播步骤张量？这些是展开网络的每一层的输出，对吗？
浏览 1提问于2016-10-08得票数 1
回答已采纳
1回答
我想在tensorflow中使用l2-regularizatin和Dynamic_rnn，但目前似乎没有很好地处理。While循环是错误的来源。下面是重现该问题的示例代码片段import tensorflow as tfbatch = 2 output_ = sess.run(output, {inputs: inputs_, lengths
浏览 0提问于2018-04-07得票数 2
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号