为什么Tensoflow seq2seq将所有序列填充到相同的固定长度？

Question

我正在尝试使用Tensorflow及其seq2seq的实现来实现Chatbot。

阅读了不同的教程（ Chatbots with Seq2Seq ， Neural Machine Translation (seq2seq) Tutorial ， Unsupervised Deep Learning for Vertical Conversational Chatbots ），以及原始文件 Sequence to Sequence Learning with Neural Networks ，我找不到为什么Tensorflow seq2seq实现将所有序列（输入和输出）填充到相同的解释固定长度。

示例：

输入数据由整数序列组成：

x = [[5, 7, 8], [6, 3], [3], [1]]

RNN需要不同的布局。序列短，然后最长的序列用零填充到最后。此布局称为time-major。

x现在是array([[5, 6, 3, 1], [7, 3, 0, 0], [8, 0, 0, 0]])

为什么需要这个填充？

本教程的

Source。

如果我遗失了什么，请告诉我。

Answer 1

您需要将序列（带有一些id，在您的情况下为0）填充到最大序列长度。您想要这样做的原因是序列可以适合数组（张量）对象并在同一步骤中处理。