我正在尝试使用tf.nn.dynamic_rnn图形操作在TensorFlow 0.9.0中使用单词嵌入和递归神经网络编写语言模型，但我不明白input张量是如何结构
我们说我有一个 n 字的语料库。我将每个单词嵌入长度 e 的向量中，我希望我的RNN能够展开 t 时间步长。假设我使用默认的time_major = False参数，我的input张量[batch_size, max_time, input_size]会有什么形状？
也许一个特定的小例子会让这个问题更加清晰。假设我有一个由 n = 8 字组成的语料库，看起来像这样。
1, 2, 3, 3, 2, 1, 1, 2
假设我将其嵌入到大小为 e = 3 的向量中，嵌入1 - ＆gt; [10,10,10]，2 - ＆gt; [20,20,20]和3 - ＆gt; [30,30,30]，我的input张量会是什么样的？
我已阅读TensorFlow Recurrent Neural Network tutorial，但未使用tf.nn.dynamic_rnn。我还阅读了tf.nn.dynamic_rnn的文档，但发现它令人困惑。特别是我不确定＆＃34; max_time＆＃34;和＆＃34; input_size＆＃34;这意味着。
任何人都可以用 n ， t 和 e 和/或来赋予input张量的形状使用我描述的小型语料库中的数据初始化张量的示例？
TensorFlow 0.9.0，Python 3.5.1，OS X 10.11.5
答案 0 :(得分：3)
在您的情况下，它看起来像batch_size = 1，因为您正在查看一个示例。因此，max_time为n=8，input_size为输入深度，在您的情况下为e=3。因此，您需要构造一个input张量，其形状为[1, 8, 3]。它是batch_major，因此第一个维度（批量维度）是1。如果你说同时有另一个输入，用n=6个单词，那么你可以通过将第二个例子填充到8个单词（通过填充最后两个单词嵌入的零）来组合这两个输入。并且您的inputs大小为[2, 8, 3]。