我使用tf.nn.bidirectional_rnn和sequence_length参数作为变量输入大小，我无法弄清楚如何获取小批量中每个样本的最终输出：< / p>
output, _, _ = tf.nn.bidirectional_rnn(forward1,backward1,input,dtype=tf.float32,sequence_length=input_lengths)
现在，如果我有恒定的序列长度，我只需使用output[-1]并获得最终输出。在我的情况下，我有可变序列（它们的长度是已知的）。
此外，此输出是前向和后向LSTM的输出吗？
感谢。
答案 0 :(得分：0)
可以通过查看源代码rnn.py来回答这个问题。
对于具有动态长度的序列，源代码表示：
如果提供sequence_length向量，则动态计算为 执行。这种计算方法不计算RNN步骤 超过小批量的最大序列长度（从而节省 计算时间），并适当地传播状态 示例的序列长度到最终状态输出。
因此，为了获得实际的最后输出，您应该对结果输出进行切片。
对于bidirectional_rnn，源代码说：
元组（outputs，output_state_fw，output_state_bw）其中： 输出是一个长度为
T的输出列表（每个输入一个），其中 是深度连接的前向和后向输出。 output_state_fw是前向rnn的最终状态。 output_state_bw是向后rnn的最终状态。
因此，输出是元组而不是张量。 如果愿意，可以将这个元组连接成一个向量。