1回答
样本外神经网络或一步预测RNN
、、、、
我已经用机器学习模型做了相当多的预测研究，特别是多输入神经网络。当y+1不存在时，如何预测(或在此上下文中预测)测试集中的y+1？下面，我是从1月1日到1月10日。我如何预测1月11日？
我已经尝试了预测包中的拟合函数，它只适用于时间序列对象。预测函数只给出了1月10日的值，而不是11日的值。我可以将数据帧转换为STL对象，但不确定它是否会在我的预测之上应用进一步的预测方法。
如果您有任何想法或帮助，我们将不胜感激。
谢谢。
library(rnn)
library(zoo)
#Create random dataframe and date column, then merge
df &l
浏览 1提问于2017-07-29得票数 1
我知道state = tanh(w * input +u* pre_state + b)输出= state*w_out，但是对于tf.nn.rnn_cell.BasicRNN，我只得到unit_num (我认为这是状态的昏暗)，在api网页上，最基本的RNN: output = new_state =new_state= activation(W * input +U* state +B)，那么在这个函数状态=输出中，我能想到吗？函数只有w，u，b，但没有w_out？
浏览 9提问于2016-11-02得票数 1
回答已采纳
我有一个设置，需要在使用tf.initialize_all_variables()的主初始化之后初始化一个LSTM。我想打电话给tf.initialize_variables([var_list])
是否有办法收集这两个变量的所有内部可培训变量：
rnn_cell.BasicLSTM
rnn_cell.MultiRNNCell
这样我就可以初始化--只需这些参数？
我想要这样做的主要原因是我不想重新初始化一些以前受过训练的值。
浏览 4提问于2016-01-26得票数 17
回答已采纳
我尝试在Tensorflow中构建一个情感分析模型
def rnn_lstm(weights, biases, data_x, sequence_length, vocab_size, embedding_size):
# Use Tensor Flow embedding lookup and convert the input data set
with tf.device("/cpu:0"):
embedding = tf.get_variable("embedding43", [vocab_size, embedding_
浏览 0提问于2017-05-18得票数 0
当我运行下面所示的代码时，函数中的tic/toc对显示了很短的时间(<< 1秒)才能遍历所有的行。然而，实际上大约需要2.3秒才能得到输出！我用tic/toc对来测量时间。
tic
rnn.v = 11;
rnn.h = 101;
rnn.o = 7;
rnn.h_init = randn(1,rnn.h,'gpuArray');
rnn.W_vh = randn(rnn.v,rnn.h,'gpuArray');
rnn.W_hh = randn(rnn.h,rnn.h,'gpuArray');
rnn.W_ho = randn(r
浏览 8提问于2014-08-24得票数 1
回答已采纳
在我的代码中：(在tf1.0上工作得很好)
from tensorflow.contrib.rnn.python.ops import core_rnn
from tensorflow.contrib.rnn.python.ops import core_rnn_cell
from tensorflow.contrib.rnn.python.ops import core_rnn_cell_impl
用tf1.2报告错误:从tensorflow.contrib.rnn.python.ops导入core_rnn ImportError:无法导入名称“core_rnn”
浏览 4提问于2017-07-10得票数 0
回答已采纳
我在GPU支持下使用Tensorflow 1.1.0，我有以下功能：
def get_init_cell(batch_size, rnn_size, keep_prob=0.75, layers=2):
"""
Create an RNN Cell and initialize it.
:param batch_size: Size of batches
:param rnn_size: Size of RNNs
:return: Tuple (cell, initialize state)
"""
浏览 0提问于2017-05-08得票数 0
回答已采纳
1回答
当连接时变量会被覆盖。
、、、
我写了一个小bash脚本：
#!/bin/bash -x
runDirectory="/mnt/sequences_tmp/melody_rnn/logdir/run_"
currName=$1
magenta1="bazel run //magenta/models/melody_rnn:melody_rnn_train -- --config=attention_rnn --run_dir="
echo $magenta1
magenta2="$magenta1$runDirectory"
echo $magenta2
magenta3=&#
浏览 0提问于2018-04-16得票数 2
回答已采纳
~/anaconda3/lib/python3.6/site-packages/tflearn/layers/recurrent.py in <module>()
12 # Fix for TF 1.1.0 and under
13 from tensorflow.contrib.rnn.python.ops.core_rnn import static_rnn as _rnn, static_bidirectional_rnn as _brnn
---> 14 from tensorflow.python.ops.rnn impo
浏览 0提问于2018-03-03得票数 0
以下代码有何不同？
用tf.contrib.rnn.DropoutWrapper
tf.contrib.rnn.MultiRNNCell(tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(rnn_sizes，_ enc_cell _output_prob=1-output_prob) for _ in范围(Num_layers) _，encoding_state = tf.nn.dynamic_rnn(enc_cell，rnn_inputs，dtype=tf.float32)
用tf.nn.droupout
tf.co
浏览 2提问于2017-08-28得票数 2
回答已采纳
我有一个堆叠的MultiRNNCell，定义如下：
batch_size = 256
rnn_size = 512
keep_prob = 0.5
lstm_1 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_1 = tf.nn.rnn_cell.DropoutWrapper(lstm_1, output_keep_prob = keep_prob)
lstm_2 = tf.nn.rnn_cell.LSTMCell(rnn_size)
lstm_dropout_2 = tf.nn.rnn_cell.DropoutWrapper(lstm_2
浏览 1提问于2018-03-18得票数 2
回答已采纳
我正在尝试重新加载函数中的会话和图形，以处理更多数据。我以using uninitialized variable的身份不断收到错误。
我已经尝试重用我的GRU单元，但没有用。
我目前正求助于将每个模型加载到守护线程中，并让它查找一个空列表来运行数据并返回到列表，而不是函数返回预测。
model = {
'chunk_size' : 9,
'num_chunk' : 31,
'rnn_size' : 18,
'rnn_classes' : 2
}
graphx = tf.Graph()
se
浏览 2提问于2018-01-24得票数 0
我正在使用来自tensorflow.models.rnn.rnn_cell的tensorflow.models.rnn.rnn_cell。这是如何声明我的MultiRNNCell
代码：
e_cell = rnn_cell.GRUCell(self.rnn_size)
e_cell = rnn_cell.MultiRNNCell([e_cell] * 2)
稍后，我在seq2seq.embedding_rnn_decoder内部使用它，如下所示
ouputs, mem_states = seq2seq.embedding_rnn_decoder(decoder_inputs, enc_stat
浏览 3提问于2016-04-01得票数 1
似乎使用MultiRNNCell保存或恢复模型都不能正常工作。
我使用下面的代码来解决分类问题；
stacked_rnn_cell = list()
for i in range(config.num_layers):
rnn_cell = tf.contrib.rnn.LSTMCell(num_units=config.dim_hidden)
stacked_rnn_cell.append(rnn_cell)
rnn_cell = tf.contrib.rnn.MultiRNNCell(cells=stacked_rnn_cell, state_is_tuple=True)
浏览 1提问于2018-07-10得票数 1
1回答
我试图在tensorflow中编写一个简单的RNN，基于这里的教程： (我使用的是一个简单的RNN单元而不是GRU，而不是退出)。
我很困惑，因为我的序列中不同的RNN细胞似乎被分配了不同的权重。如果我运行以下代码
import tensorflow as tf
seq_length = 3
n_h = 100 # Number of hidden units
n_x = 26 # Size of input layer
n_y = 26 # Size of output layer
inputs = tf.placeholder(tf.float32, [None, se
浏览 4提问于2017-09-24得票数 0
回答已采纳
在调用属性错误时出现问题：
tf.nn.rnn(cell, inputs_series, initial_state=rnn_tuple_state)
接收到一个属性错误：
AttributeError: module 'tensorflow.python.ops.nn' has no attribute 'rnn'
将其更改为：
tf.contrib.rnn(cell, inputs_series, initial_state=rnn_tuple_state)
但是，现在我收到了以下错误：
TypeError: 'module' object
浏览 0提问于2017-12-20得票数 1
1回答
从RNN中可以得到可变的输出长度，即input_seq_length != output_seq_length吗？
下面是一个示例，显示LSTM输出形状、test_rnn_output_v1默认设置--仅返回最后一步的输出，test_rnn_output_v2返回所有步骤的输出，即我需要类似于test_rnn_output_v2的输出，但具有输出形状(None, variable_seq_length, rnn_dim)或至少是(None, max_output_seq_length, rnn_dim)。
from keras.layers import Input
from keras.la
浏览 6提问于2020-04-20得票数 1
回答已采纳
在阅读dynamic_rnn的接口文档时，我有以下问题：
批次大小、序列长度和(单元格)hidden_size之间的关系是否有约束？
我在想：
序列长度单元( <= )hidden_size，或者，
批量大小*序列长度单元( <= )hidden_size
我说的对吗？我浏览了很多网页，但都找不到答案。
谢谢大家。
示例：
# create a BasicRNNCell
rnn_cell = tf.nn.rnn_cell.BasicRNNCell(hidden_size)
# 'outputs' is a tensor of shape [batch_size,
浏览 6提问于2017-12-11得票数 1
1回答
我使用tfprof来获得模型前向路径所需的失败数。我的模型是3层LSTM，然后是完全连接层。我观察到，对于完全连接的层，计算的数量是线性增长的，而对于LSTM层，它没有变化。这怎么可能？
一个时间戳前向路径的tfprof报告。
==================Model Analysis Report======================
_TFProfRoot (0/2.71m flops)
rnn/while/multi_rnn_cell/cell_1/lstm_cell/lstm_cell_1/MatMul (1.05m/1.05m flops)
rnn/while/m
浏览 3提问于2017-05-26得票数 0
回答已采纳
我正在运行一个RNN的信号，在固定的大小段。下面的代码允许我保留上一批的最后状态来初始化下一批的初始状态。
rnn_outputs, final_state = tf.contrib.rnn.static_rnn(cell, rnn_inputs, initial_state=init_state)
当批处理不重叠时，这是可行的。例如，我的第一批处理过程样本为0:124，而final_state是此处理之后的状态。然后，下一批处理示例124:256，将init_state设置为final_state。
我的问题是，当批处理重叠时，如何检索中间状态。首先，我处理样本0:124，然后是10:134
浏览 1提问于2018-04-17得票数 0
回答已采纳
我曾经在TensorFlow的0.8版本中使用以下命令创建RNN网络：
from tensorflow.python.ops import rnn
# Define a lstm cell with tensorflow
lstm_cell = rnn_cell.BasicLSTMCell(n_hidden, forget_bias=1.0)
# Get lstm cell output
outputs, states = rnn.rnn(cell=lstm_cell, inputs=x, dtype=tf.float32)
rnn.rnn()不再可用，而且听起来它已经被移到了tf.con
浏览 2提问于2017-02-28得票数 11
这是密码：
X = tf.placeholder(tf.float32, [batch_size, seq_len_1, 1], name='X')
labels = tf.placeholder(tf.float32, [None, alpha_size], name='labels')
rnn_cell = tf.contrib.rnn.BasicLSTMCell(512)
m_rnn_cell = tf.contrib.rnn.MultiRNNCell([rnn_cell] * 3, state_is_tuple=True)
pre_prediction
浏览 5提问于2017-06-18得票数 20
回答已采纳
cudnn_samples_v7中的RNN示例(RNN_example.cu)被设置为使用CUDNN_DATA_FLOAT。我想修改它以使用CUDNN_DATA_INT8。当我进行全局更改、编译和运行时，我得到以下运行时错误：
$ ./RNN_int8 20 2 512 64 0
cuDNN Error: CUDNN_STATUS_NOT_SUPPORTED RNN_example_int8.cu 285
cuDNN Error: CUDNN_STATUS_NOT_SUPPORTED RNN_example_int8.cu 302
cuDNN Error: CUDNN_STATUS_BAD_P
浏览 46提问于2018-08-28得票数 0
我在这里使用了一些代码：和tensorflow。我认为代码是为旧版本的tensorflow编写的，我使用的是1.0.0版本。我使用tf_upgrade.py升级了github代码库中的model.py，但仍然收到错误：
output, _, _ = contrib_rnn.bidirectional_rnn(fw_cell, bw_cell,
AttributeError: 'module' object has no attribute 'bidirectional_rnn'
这是在我将bidirectional_rnn调用更改为使用contrib_r
浏览 1提问于2017-02-17得票数 0
我使用rnn.rnn助手在TensorFlow中实现了序列序列模型。
with tf.variable_scope("rnn") as scope, tf.device("/gpu:0"):
cell = tf.nn.rnn_cell.BasicLSTMCell(4096)
lstm = tf.nn.rnn_cell.MultiRNNCell([cell] * 2)
_, cell = rnn.rnn(lstm, input_vectors, dtype=tf.float32)
tf.get_variable_scope().r
浏览 2提问于2016-03-21得票数 2
回答已采纳
1回答
我正在构建一个rnn，我使用tf.nn.dynamic_rnn来产生输出和状态。守则如下(tf版本1.3)：
import tensorflow as tf
def lstm_cell():
return tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(128), output_keep_prob=0.7)
cell= tf.contrib.rnn.MultiRNNCell([lstm_cell() for _ in range(3)])
initial_state= cell.zero_stat
浏览 1提问于2017-12-21得票数 0
回答已采纳
我在循环神经网络上关注。
这是导入：
import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.python.ops import rnn
from tensorflow.contrib.rnn import core_rnn_cell
这是输入处理的代码：
x = tf.transpose(x, [1,0,2])
x = tf.reshape(x, [-1, chunk_size])
x = tf.split(x, n_chunks, 0)
lstm_
浏览 5提问于2017-02-18得票数 5
回答已采纳
我有一些复杂的数据处理要做，我不知道如何做。
这里是我的数据框架的一部分：
YEAR RN DATE NOM SITE LONG SP SUMNB NB100
1 2011 RNN027 15056 ESTAGNOL RNN027-Estagnol 02 310 Anthocharis cardamines (Linnaeus, 1758) 1 0.3225806
2 2011 RNN027 15075 ESTAGNOL RNN027
浏览 2提问于2014-01-07得票数 1
回答已采纳
1回答
所以我想要制作3层双向tf.contrib.rnn.stack_bidirectional_dynamic_rn，我用的是tensorflow
这是个小密码，我只想知道我哪里出了问题。
learning_rate=0.01
batch_size=3187
annealing_rate=0.85
beta1=0.9
beta2=0.99
epsilon=10**(-8)
dropout=0.95
layer_size=3
lstm_size=1024
time_steps=34
num_hidden=1024
place_x=tf.placeholder("float",[85
浏览 0提问于2018-05-15得票数 0
回答已采纳
RNN的定义如下：
def RNN(X, weights_rnn, biases,n_inputs,n_steps,n_hidden_units,batch_size=None):
# hidden layer for input to cell
########################################
X = tf.reshape(X, [-1, n_inputs])
# into hidden
# X_in = (128 batch * 28 steps, 128 hidden)
X_in = tf.matmul(
浏览 0提问于2018-05-21得票数 0
回答已采纳
1回答
我正在使用Tensorflow构建一个多层的双向RNN，但我对实现有点困惑。
我已经构建了两个创建多层双向RNN的函数第一个运行得很好，但我不确定它的预测，因为它是作为单向多层RNN执行的。下面是我的实现：
def encoding_layer_old(rnn_inputs, rnn_size, num_layers, keep_prob,
source_sequence_length, source_vocab_size,
encoding_embedding_size):
"""
浏览 9提问于2018-08-19得票数 2
回答已采纳
我使用cnn + lstm + ctc网络(基于)来做一个中文场景文本识别。对于大量的类(3500+)，网络很难训练。我听说使用组LSTM (，O. Kuchaiev和B. Ginsburg“LSTM网络的分解技巧”，ICLR2017研讨会。)可以减少参数数量并加速训练，所以我尝试在我的代码中使用它。
我使用两层双向lstm。这是使用tf.contrib.rnn.LSTMCell的原始代码
rnn_outputs, _, _ =
tf.contrib.rnn.stack_bidirectional_dynamic_rnn(
[tf.contrib.rnn.LSTMCell(num_units
浏览 15提问于2017-07-21得票数 2
1回答
我想实现一个像DSSM (深度语义相似模型)这样的模型。
我要训练一个RNN模型，用该模型得到三个不同输入的隐向量，并利用这些隐向量计算损失函数。
我尝试用reuse=None在变量范围内编写代码，例如：
gru_cell = tf.nn.rnn_cell.GRUCell(size)
gru_cell = tf.nn.rnn_cell.DropoutWrapper(gru_cell,output_keep_prob=0.5)
cell = tf.nn.rnn_cell.MultiRNNCell([gru_cell] * 2, state_is_tuple=True)
embedding =
浏览 4提问于2016-11-17得票数 5
2回答
我使用tensorflow实现了一个简单的RNN，如下所示：
cell = tf.contrib.rnn.BasicRNNCell(state_size)
cell = tf.contrib.rnn.DropoutWrapper(cell, output_keep_prob=keep_prob)
rnn_outputs, final_state = tf.nn.dynamic_rnn(cell, batch_size, dypte=tf.float32)
这可以很好地工作。但我想将权重变量记录到摘要编写器中。有没有办法做到这一点？
顺便问一下，我们使用的是tf.nn.rnn_cell.Bas
浏览 0提问于2018-02-22得票数 5
我试图建立一个CNN + RNN模型，并得到以下错误。任何帮助都将不胜感激。
fc2具有形状(?,4096)
cell = tf.contrib.rnn.BasicLSTMCell(self.rnn_hidden_units)
stack = tf.contrib.rnn.MultiRNNCell([cell]*self.rnn_layers)
initial_state = cell.zero_state(self.batch_size, tf.float32)
initial_state = tf.identity(initial_state, name='initial_
浏览 0提问于2017-06-21得票数 9
回答已采纳
我的代码是：
cell = tf.contrib.rnn.MultiRNNCell([cell for _ in range(2)])
outputs, state = tf.contrib.rnn.static_rnn(cell, inputs)
现在，状态打印如下：
(<tf.Tensor 'loss/model_with_buckets/left_rnn/multi_rnn_cell_2/cell_0/GRUBlockCell/GRUBlockCell:3'
shape=(?, 11) dtype=float32>, <tf.Tensor
'lo
浏览 0提问于2017-08-03得票数 1
1回答
无法从网站包导入模块
、、、、
我从站点包导入一个模块，但显示错误。我成功地导入了一个文件。
from tensorflow.contrib.rnn.python.ops import rnn_cell
但是当我要从rnn_cell导入一个模块时
from tensorflow.contrib.rnn.python.ops.rnn_cell import _norm
我搞错了
ImportError: cannot import name _norm
P.S.模块_norm()存在于rnn_cell文件.中。
浏览 3提问于2017-12-01得票数 0
1回答
当我尝试在Android (TensorFlowInferenceInterface)上运行CRNN TensorFlow模型时，我遇到了一个问题。当我在Python环境中运行它时，一切似乎都正常工作。在Android上，我得到了以下错误：
java.lang.IllegalArgumentException: Expected len(indices) == values.shape[0], but saw: 25 vs. 30
[[Node: shadow/LSTMLayers/stack_bidirectional_rnn/cell_0/bidirectional_rnn/bw/bw/T
浏览 3提问于2018-06-12得票数 0
我试图将一个现有的经过训练的PyTorch模型移植到Keras中。
在移植过程中，我被困在了LSTM层。
LSTM网络的Keras实现似乎有三种状态矩阵，而Pytorch实现有四种状态矩阵。
例如，对于具有hidden_layers=64、input_size=512和输出size=128状态参数的双向LSTM，如下所示
Keras 的态仿射
[<tf.Variable 'bidirectional_1/forward_lstm_1/kernel:0' shape=(512, 256) dtype=float32_ref>,
<tf.Variable
浏览 2提问于2018-01-20得票数 11
回答已采纳
我已经能够使用下面的代码实现一个无状态模型 import os
os.environ['TF_ENABLE_CONTROL_FLOW_V2'] = '1'
import tensorflow as tf
from tensorflow_core.python.keras.models import Model, Sequential
from tensorflow_core.python.keras.layers.core import Dense, Activation, Lambda, Reshape
from tensorflow_core.python
浏览 16提问于2020-01-29得票数 1
回答已采纳
3回答
“动态展开RNN”是什么意思？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：
如果提供sequence_length矢量，则执行动态计算。这种计算方法不计算RNN步骤超过小型批处理的最大序列长度(从而节省了计算时间)，
但是在dynamic_rnn方法中它提到：
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。因此，与rnn()不同的是，它更多地是为了正确性而不是性能。
那么，这是否意味着rnn对可变长度序列更具性能呢？d
浏览 6提问于2016-08-14得票数 23
以下是我尝试过的方法：
tf.reset_default_graph()
X = tf.placeholder(tf.float32, [None, n_steps, n_inputs])
y = tf.placeholder(tf.float32, [None,n_outputs])
layers = [tf.contrib.rnn.LSTMCell(num_units=n_neurons,
activation=tf.nn.leaky_relu, use_peepholes = True)
for lay
浏览 4提问于2018-09-05得票数 0
回答已采纳
1回答
修改残差LSTM
、、、
我在这里找到了剩余LSTM的一些代码：https://gist.github.com/bzamecnik/8ed16e361a0a6e80e2a4a259222f101e 我一直在使用LSTM对具有3d输入(样本、时间步长、特征)和单一输出的时间序列进行分类。我有兴趣在我的数据上尝试残差模型，但我需要的是具有sigmoid激活的单个输出。有人知道怎么做吗？当前模型似乎返回10个输出(输入数据中的特征数量)。 def make_residual_lstm_layers(input, rnn_width, rnn_depth, rnn_dropout):
"""
浏览 52提问于2020-07-15得票数 1
回答已采纳
1回答
RNN生成序列号
、、、
如果我使用经过训练的RNN(或LSTM)生成系列数据(使用generated-RNN命名网络)，那么我使用该系列数据从头开始训练RNN(即与generated-RNN相同的结构)，是否可以获得与generated-RNN相同的经过训练的网络(相同的训练权重)？
浏览 14提问于2018-01-23得票数 0
我是列车LSTM网络
cell_fw = tf.contrib.rnn.BasicLSTMCell(HIDDEN_SIZE)
cell_bw = tf.contrib.rnn.BasicLSTMCell(HIDDEN_SIZE)
rnn_outputs, final_state_fw, final_state_bw = tf.contrib.rnn.static_bidirectional_rnn(
cell_fw=cell_fw,
cell_bw=cell_bw,
inputs=rnn_inputs,
dtype=tf.float32
)
此外，我试图保存它
浏览 2提问于2017-06-21得票数 1
回答已采纳
大家好，我是rnn的新手，我从pytorch官方教程中找到了RNN NLP FROM SCRATCH，我认为它之所以被命名为"from scartch“，是因为它没有在pytorch中使用在nn中内置的nn.RNN，比如def __init__(self, input_size, hidden_size, output_size):段中的这行self.rnn = nn.RNN(input_size, hidden_size, num_layers, batch_first=True)。那么，如果使用了nn.RNN，代码将如何演变呢？ class RNN(nn.Module):
浏览 26提问于2021-06-24得票数 1
我目前正在学习RNN和Tensorflow RNN API。
对于tf.contrib.rnn.static_rnn，它有一个参数initial_state，这是一个可选参数。传递初始状态和不传递初始状态有什么区别？如果我不添加initial_state，这是否意味着RNN内部状态输出将不会继续？
非常感谢!
浏览 2提问于2018-07-14得票数 1
1回答
我读过seq2seq是一个网络，类似于其他网络类型(CNN，RNN，.)。然而，在我看来，它实际上是RNN的体系结构。不是吗？
例如，当输入和输出长度不相等时，LSTM不适用。LSTM是RNN的体系结构。相反，另一个体系结构由两个单元组成:编码器和解码器，它们是用RNN构建的。
那么，seq2seq是RNN的子集吗？兄弟姐妹LSTM？还是RNN和CNN的兄弟姐妹？
浏览 0提问于2020-01-02得票数 1
1回答
我正在尝试使用RNN进行二进制分类。但是当我的模型在训练时，它被loss.backward()卡住了。这是我的模型： class RNN2(nn.Module):
def __init__(self, input_size, hidden_size, output_size=2, num_layers=1):
super(RNN2, self).__init__()
self.rnn = nn.RNN(input_size, hidden_size, num_layers)
self.reg = nn.Linear(hidden_siz
浏览 14提问于2020-04-17得票数 0
1回答
我一直在遵循教程创建和训练一个基于rnn的聊天机器人，使用tensorflow。据我所知，这些教程是在较早版本的tensorflow上编写的，因此有些部分已经过时，给我一个错误，比如：
Traceback (most recent call last):
File "main.py", line 33, in <module>
outputs, last_state = tf.nn.seq2seq.rnn_decoder(inputs, initialstate, cell, loop_function=None, scope='rnnlm
浏览 0提问于2017-03-06得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
