在张量流中创建多层递归神经网络

Question

我正在尝试用张量流中的GRU单元（以及LSTM单元）创建一个多层递归神经网络。我查看了多个来源，包括官方教程。但是我一直看到多层RNN的以下模式（这里用GRU单元显示）。

cell = GRUCell(num_neurons)  # Or LSTMCell(num_neurons)
cell = DropoutWrapper(cell, output_keep_prob=dropout)
cell = MultiRNNCell([cell] * num_layers)

此代码段取自RNN Tensorflow Introduction。我对[cell] * num_layers的理解是，同一个对象cell在列表中被引用num_layer次。因此，MultiRNNCell赢得了 QSettings Source("/path/filename.plist",QSettings::NativeFormat); QSettings Destination("/path/filename.ini",QSettings::IniFormat); QStringList allkeyList = Source.allKeys(); for(int i=0;r<allkeyList.size();++i) { Destination.setValue(allkeyList[i], Source.value(allkeyList[i])); } 创建一个深层网络，其中每一层都具有与前一层相同的权重。如果有人能够澄清这里到底发生了什么，那将是非常有见地的。

Answer 1

我假设您已经很好地理解了TensorFlow的概念和执行模型。如果没有，请查看tensorflow.org上的教程，特别是Variables one。

GRUCell的构造函数不会向Graph添加任何节点。只有在调用实例（即cell（））时，变量和操作才会被添加到图形中。当调用MultiRNNCell时，它将在调用子层之前创建不同的可变范围。这样每个图层都有自己的变量。