基于BasicRNNCell的网络结构是怎样的？
What is the structure of the network based on BasicRNNCell?
我想知道下图中Tensorflow的BasicRNNCell在递归神经网络中的结构是什么？在我看来是一个3层12个神经元的神经网络。但是我不确定这种连接是什么样子的？不知道是不是Hopfield网？
cell = tf.contrib.rnn.BasicRNNCell(num_units=12)
states_series, current_state = tf.nn.dynamic_rnn(cell=cell,inputs=batchX_placeholder,dtype=tf.float32)
这是一层基本RNN单元，每个单元有12个隐藏单元。单元格的数量取决于您的 batchX_placeholder 占位符。
这是一个例子：
n_steps = 2
n_inputs = 3
n_neurons = 5
X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])
basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)
print(tf.trainable_variables())
它打印...
[<tf.Variable 'rnn/basic_rnn_cell/kernel:0' shape=(8, 5) dtype=float32_ref>,
<tf.Variable 'rnn/basic_rnn_cell/bias:0' shape=(5,) dtype=float32_ref>]
因此它创建了一个共享内核矩阵和一个共享偏置向量。单元格数对应 output.shape（源自 X.shape），在本例中为 [?, 2, 5]。所以有 2 个单元格。
如果您希望创建多个图层，您应该使用 tf.nn.rnn_cell.MultiRNNCell 接受每个图层中的单元格列表的函数。
我想知道下图中Tensorflow的BasicRNNCell在递归神经网络中的结构是什么？在我看来是一个3层12个神经元的神经网络。但是我不确定这种连接是什么样子的？不知道是不是Hopfield网？
cell = tf.contrib.rnn.BasicRNNCell(num_units=12)
states_series, current_state = tf.nn.dynamic_rnn(cell=cell,inputs=batchX_placeholder,dtype=tf.float32)
这是一层基本RNN单元，每个单元有12个隐藏单元。单元格的数量取决于您的 batchX_placeholder 占位符。
这是一个例子：
n_steps = 2
n_inputs = 3
n_neurons = 5
X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])
basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)
print(tf.trainable_variables())
它打印...
[<tf.Variable 'rnn/basic_rnn_cell/kernel:0' shape=(8, 5) dtype=float32_ref>,
<tf.Variable 'rnn/basic_rnn_cell/bias:0' shape=(5,) dtype=float32_ref>]
因此它创建了一个共享内核矩阵和一个共享偏置向量。单元格数对应 output.shape（源自 X.shape），在本例中为 [?, 2, 5]。所以有 2 个单元格。
如果您希望创建多个图层，您应该使用 tf.nn.rnn_cell.MultiRNNCell 接受每个图层中的单元格列表的函数。