如何在Tensorflow中将static_rnn输入转换为dynamic_rnn输入？

Question

我在理解tensorflow的dynamic_rnn输入参数时遇到了困难。如果我能够理解如何将static_rnn的输入转换为dynamic_rnn的输入，那将非常有帮助。

对于static_rnn，输入应该是一个长度为T的张量列表，其形状为[batch_size, input_size]，其中T是序列长度。这对我来说很有意义。

对于dynamic_rnn，输入应该是一个形状为[batch_size, max_time, ...]的张量。我不明白如何在这里加入input_size。更一般地说，我不知道还可以放什么在省略号中。

例如，假设我的数据由50个字符长的句子组成，因此input_size是字母表中字母的数量。对于static_rnn，我会创建一个长度为50的张量列表，其形状为[batch_size，input_size]。我如何将这个张量列表转换为单个张量，以便将其馈送到dynamic_rnn中？

- hahdawg

Answer 1

你的dynamic_rnn输入应该是形状为[batch_size, sequence_length, input_size]的。

基本上，张量代表了batch_size个长度为sequence_length的示例，而省略号中剩下的部分则是单个序列元素的形状。

问题在于，使用dynamic_rnn时，你不需要预先知道sequence_length，因此你的输入占位符可能如下所示：

x = tf.placeholder(tf.int32, shape=(batch_size, None, input_size))

这在IT技术领域十分实用。此外，一批中的示例数据长度可能不同（但必须填充到相同长度），但您必须将sequence_length参数传递给dynamic_rnn函数，以便它知道何时停止每个示例的计算。

- Dzjkb