Question

当我使用bilstm模型处理NLP问题时。我在使用session.run（）时遇到错误。我在Google上搜索看起来糟糕的输入dict会出错。我打印输入x形状，它是（100，），但我将其定义为：[100，无，256]。我怎么能解决这个错误？这是我的偶然：蟒蛇：3.6 tensorflow：1.0.0 任务：everty描述有一些标签，比如stackoverflow，一个问题有一些标签。我需要建立一个模型来预测问题的标签。我的训练输入x是：[batch_size，None，word_embedding_size]一批问题描述，一个描述有一些单词，一个单词表示为向量，长度为256.输入y为：[batch_size，n_classes]，

这是我的型号代码：

    self.X_inputs = tf.placeholder(tf.float32, [self.n_steps,None,self.n_inputs])
    self.targets = tf.placeholder(tf.float32, [None,self.n_classes])
    #transpose the input x
    x = tf.transpose(self.X_inputs, [1, 0, 2])
    x = tf.reshape(x, [-1, self.n_inputs])
    x = tf.split(x, self.n_steps)

    # lstm cell
    lstm_cell_fw = tf.contrib.rnn.BasicLSTMCell(self.hidden_dim)
    lstm_cell_bw = tf.contrib.rnn.BasicLSTMCell(self.hidden_dim)

    # dropout
    if is_training:
        lstm_cell_fw = tf.contrib.rnn.DropoutWrapper(lstm_cell_fw, output_keep_prob=(1 - self.dropout_rate))
        lstm_cell_bw = tf.contrib.rnn.DropoutWrapper(lstm_cell_bw, output_keep_prob=(1 - self.dropout_rate))

    lstm_cell_fw = tf.contrib.rnn.MultiRNNCell([lstm_cell_fw] * self.num_layers)
    lstm_cell_bw = tf.contrib.rnn.MultiRNNCell([lstm_cell_bw] * self.num_layers)

    # forward and backward
    self.outputs, _, _ = tf.contrib.rnn.static_bidirectional_rnn(
        lstm_cell_fw,
        lstm_cell_bw,
        x,
        dtype=tf.float32
    )

feed_dict就是这样：

feed_dict={
              self.X_inputs: X_train_batch,
              self.targets: y_train_batch
          }

X_train_batch是一个句子，它们有这样的形状，[100，None，256]，'None'的意思是，输入句子长度不一样，从10到1500，我只得到实际长度。也许它会发生错误？我的问题是：你是否将句子长度填充为相同，或者在进行这样的nlp工作时重塑输入？

tensorflow：使用序列设置数组元素

0 个答案: