Question

我有一个单行句子的数据集，每个句子都属于一个基于上下文的类。我创建了一个重要单词的词典，并将我的输入数据转换为一个特征列表，其中每个特征都是词典长度的向量。我想将这些数据输入到动态LSTM单元格中，但无法弄清楚如何重塑它。考虑我的batch_size = 100，length_lexicon = 64，nRows_Input = 1000

Answer 1

为什么不使用numpy.reshape？查看此文档：https://docs.scipy.org/doc/numpy/reference/generated/numpy.reshape.html

例如： >>> a = np.arange(6).reshape((3, 2)) >>> a array([[0, 1], [2, 3], [4, 5]])

numpy.reshape¶

numpy.reshape（a，newshape，order ='C'）
Gives a new shape to an array without changing its data.
Parameters:   

a : array_like

    Array to be reshaped.

newshape : int or tuple of ints

    The new shape should be compatible with the original shape. If an integer, then the result will be a 1-D array of that length. One
形状尺寸可以是-1。在这种情况下，该值是从中推断出来的数组的长度和剩余的尺寸。
order : {‘C’, ‘F’, ‘A’}, optional

    Read the elements of a using this index order, and place the elements into the reshaped array using this index order. ‘C’ means to
使用类似C的索引顺序读取/写入元素，使用最后一个轴索引变化最快，回到第一轴索引变化最慢。 'F'表示使用类似Fortran的索引顺序读/写元素，第一个索引变化最快，最后一个索引变化最慢的。请注意，'C'和'F'选项不考虑底层数组的内存布局，只参考顺序索引。 'A'表示读取/写入类似Fortran的索引中的元素如果a是Fortran在内存中是连续的，那么顺序就是C-like命令。
Returns:  

reshaped_array : ndarray

    This will be a new view object if possible; otherwise, it will be a copy. Note there is no guarantee of the memory layout (C- or
Fortran-contiguous）返回的数组。

如何将数据提供给TensorFlow中的LSTM单元以进行多类分类？

1 个答案: