TensorFlow LSTM 生成模型

Question

我正在使用LSTM语言模型教程（在此处讨论）进行工作。

在语言模型中，通常在训练后使用模型从头生成新句子（即从模型中抽样）。

我是TensorFlow的新手，但我尝试使用已经训练好的模型生成新的单词，直到遇到句子结尾标记。

我的初始尝试：

x = tf.zeros_like(m.input_data)
state = m.initial_state.eval()
for step in xrange(m.num_steps):
    state = session.run(m.final_state,
                               {m.input_data: x,
                                m.initial_state: state})
    x = state

出现错误：

ValueError: 使用序列设置数组元素。

- Shazam

Answer 1

这里的问题似乎是在session.run()中传递的feed_dict中m.input_data: x的映射。在这种情况下，TensorFlow期望x是一个numpy数组（或某些可以被隐式转换为numpy数组的对象），但实际上该值是TensorFlow Tensor（即tf.zeros_like()的结果）。

幸运的是，解决方案很简单。请将x = tf.zeros_like(m.input_data)替换为以下内容：

x = tf.zeros_like(m.input_data).eval()

该方法确保将x转换为numpy数组。

（请注意，更直接的方法是构造具有适当尺寸的numpy数组作为初始x。）

- mrry

---

谢谢！那让我很有感觉。 - Shazam

遇到了不同的错误：W tensorflow/core/common_runtime/executor.cc:1076] 0x7fcc3575bc70 计算状态：无效参数：您必须为占位符张量'model_1/Placeholder_2'提供一个dtype为int32且形状为dim {size: 1} dim {size: 1}的值。 - Shazam

看起来你缺少了一个 feed。我不是100%确定，但 m.targets 也可能有依赖关系，如果是这样，你可能需要稍微重构一下代码（或者为 m.targets 提供一个虚拟值）。 - mrry

再次感谢。m.targets是一个占位符。尝试运行：target = session.run(m.targets，{m.input_data: x，m.targets: targets，m.initial_state: state}）时出现错误：Invalid argument: model_1/Placeholder_3:0既被提供又被获取。我意识到在这一点上，我需要重构模型，以不再将目标作为占位符。 - Shazam

没事了。目标是正确的标签，final_state 将是预测的标签。 - Shazam

@Shazam 我也在尝试使用RNN教程来首先训练网络，然后在训练完成后直接运行它。我尝试了你的代码（使用了这个答案的修复），但是得到了与你在这里第二条评论中相同的错误。你是如何解决这个错误的？现在我认为我需要改变模型，以便不依赖于馈送“目标”占位符，你是如何做到这一点的？你只是将其更改为具有相同维度的tf.Variable吗？感谢您的所有帮助！ - Jacob Hagstedt