将输入传递给 tf.nn.static_rnn
Passing input to tf.nn.static_rnn
根据文档，static_rnn 的第二个参数应设置为 "a length T list of inputs, each a Tensor of shape [batch_size, input_size], or a nested tuple of such elements."
我将列列表传递给 static_rnn，但我得到 ValueError: linear is expecting 2D arguments。所以input_size不可能是1。input_size和T到底指的是什么？为什么 input_size 不能是 1？
我突然想到 static_rnn 可能需要一个矩阵包含单热向量的列表。在这种情况下，input size 将是词汇表的长度。但是，如果 static_rnn 需要单热向量，文档会这样说，对吗？
input_size表示特征个数，可以是1，比如在普通的时间序列预测中。你得到这个错误，很可能是因为你的张量是 [batch_size]，而不是 [batch_size, 1]。
因此，您不必对特征进行单热编码（尽管您可以），只需设置正确的输入张量等级即可。
示例代码：
n_inputs = 1
n_neurons = 5
X0 = tf.placeholder(dtype=tf.float32, shape=[None, n_inputs])
X1 = tf.placeholder(dtype=tf.float32, shape=[None, n_inputs])
basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
output_seqs, states = tf.nn.static_rnn(basic_cell, [X0, X1], dtype=tf.float32)
Y0, Y1 = output_seqs
根据文档，static_rnn 的第二个参数应设置为 "a length T list of inputs, each a Tensor of shape [batch_size, input_size], or a nested tuple of such elements."
我将列列表传递给 static_rnn，但我得到 ValueError: linear is expecting 2D arguments。所以input_size不可能是1。input_size和T到底指的是什么？为什么 input_size 不能是 1？
我突然想到 static_rnn 可能需要一个矩阵包含单热向量的列表。在这种情况下，input size 将是词汇表的长度。但是，如果 static_rnn 需要单热向量，文档会这样说，对吗？
input_size表示特征个数，可以是1，比如在普通的时间序列预测中。你得到这个错误，很可能是因为你的张量是 [batch_size]，而不是 [batch_size, 1]。
因此，您不必对特征进行单热编码（尽管您可以），只需设置正确的输入张量等级即可。
示例代码：
n_inputs = 1
n_neurons = 5
X0 = tf.placeholder(dtype=tf.float32, shape=[None, n_inputs])
X1 = tf.placeholder(dtype=tf.float32, shape=[None, n_inputs])
basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
output_seqs, states = tf.nn.static_rnn(basic_cell, [X0, X1], dtype=tf.float32)
Y0, Y1 = output_seqs