为什么tf.transpose在RNN中如此重要？

Question

我一直在阅读文档以学习TensorFlow，并一直在努力何时使用以下功能及其目的。

tf.split()
tf.reshape()
tf.transpose()

到目前为止，我的猜测是：

使用tf.split（）因为输入必须是序列。

tf.reshape（）用于使形状兼容（不正确的形状往往是我常见的问题/错误）。之前我用过numpy。我现在可能会坚持使用tf.reshape（）。我不确定两者之间是否存在差异。

tf.transpose（）根据我的理解交换行和列。如果我不使用tf.transpose（），我的损失不会下降。如果参数值不正确，则损失不会减少。所以我使用tf.transpose（）的目的是让我的损失下降，我的预测变得更准确。

这让我非常困扰，因为我正在使用tf.transpose（），因为我必须并且不理解为什么它是如此重要的因素。我假设如果没有正确使用输入和标签可能处于错误的位置。使模型无法学习。如果这是真的，我怎么能去使用tf.transpose（），这样我就不会依赖于通过反复试验找出参数值？

Answer 1

问题

1. 为什么我需要 tf.transpose（）？
2. tf.transpose（）？
的目的是什么？

答案

1. 为什么我需要 tf.transpose（）？我无法想象为什么你需要它，除非你从头开始编码你的解决方案需要它。例如，假设我有120个学生记录，每个学生有50个统计数据，我想用它来尝试与他们获得3个课程的机会进行线性关联。我是这样说的

   c = r x m

r =记录，如果[120x50]则为具有形状的矩阵 m =感应矩阵。它的形状为[50x3] c =所有学生参加三门课程之一的机会，一个形状为[120x3]的矩阵

现在，如果不是制作m [50x3]，我们会愚弄并制作m [3x50]，那么我们必须在乘法之前转置它。

1. tf.transpose（）？
的目的是什么？

有时您只需要交换行和列，如上所述。 Wikipedia有一个很棒的页面。转置函数具有一些优秀的矩阵数学函数属性，如关联函数和关联函数的关联性。

摘要

我不认为我曾在任何 CNN 中使用 tf.transpose 。