TensorFlow dynamic_rnn 状态

Question

我的问题是关于 TensorFlow 方法 tf.nn.dynamic_rnn。它returns每个时间步的输出和最终状态。

我想知道返回的最终状态是最大序列长度的细胞状态还是由sequence_length参数单独确定。

为了更好地理解一个示例：我有 3 个长度为 [10,20,30] 的序列并返回最终状态 [3,512]（如果单元格的隐藏状态的长度为 512）。

三个序列返回的三个隐藏状态是单元格在时间步长 30 时的状态还是我在时间步长 [10,20,30] 返回的状态？

Answer 1

tf.nn.dynamic_rnn returns 两个张量：outputs 和 states。

outputs 保存批处理中所有序列的所有单元格的输出。因此，如果特定序列较短并用零填充，则最后一个单元格的 outputs 将为零。

states 保存最后一个单元格状态，或者等同于每个序列的最后一个非零输出（如果您使用 BasicRNNCell）。

这是一个例子：

import numpy as np
import tensorflow as tf

n_steps = 2
n_inputs = 3
n_neurons = 5

X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])
seq_length = tf.placeholder(tf.int32, [None])

basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, sequence_length=seq_length, dtype=tf.float32)

X_batch = np.array([
  # t = 0      t = 1
  [[0, 1, 2], [9, 8, 7]], # instance 0
  [[3, 4, 5], [0, 0, 0]], # instance 1
])
seq_length_batch = np.array([2, 1])

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  outputs_val, states_val = sess.run([outputs, states], 
                                     feed_dict={X: X_batch, seq_length: seq_length_batch})

  print('outputs:')
  print(outputs_val)
  print('\nstates:')
  print(states_val)

这会打印如下内容：

outputs:
[[[-0.85381496 -0.19517037  0.36011398 -0.18617202  0.39162001]
  [-0.99998015 -0.99461144 -0.82241321  0.93778896  0.90737367]]

 [[-0.99849552 -0.88643843  0.20635395  0.157896    0.76042926]
  [ 0.          0.          0.          0.          0.        ]]]  # because len=1

states:
[[-0.99998015 -0.99461144 -0.82241321  0.93778896  0.90737367]
 [-0.99849552 -0.88643843  0.20635395  0.157896    0.76042926]]

请注意，states 包含与 output 中相同的向量，它们是每个批次实例的最后一个非零输出。

TensorFlow dynamic_rnn 状态

TensorFlow dynamic_rnn state

python

machine-learning

neural-network

tensorflow

recurrent-neural-network