Question

我有一个正常工作的LSTM模型＆＃34;在指定我的辍学保持率时如下：

layers = [tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(num_units=n_neurons, activation=tf.nn.tanh), output_keep_prob=0.5)
      for layer in range(n_layers)]

但很自然地，我想把output_keep_prob变成一个浮点变量，当我在Train vs. Test时我可以改变它。我这样做了如下

    output_keep_prob = tf.placeholder_with_default(1.0, tf.float32)
...
layers = [tf.contrib.rnn.DropoutWrapper(tf.contrib.rnn.BasicLSTMCell(num_units=n_neurons, activation=tf.nn.tanh), output_keep_prob=output_keep_prob)
          for layer in range(n_layers)]
...
sess.run(training_op, feed_dict={X: x_batch, y: y_batch, output_keep_prob: 0.5})

然而，当我这样做时，Tensorflow会抛出错误：

ValueError：形状必须等于等级，但为0和1 ＆＃39; PlaceholderWithDefault＆＃39; （op：＆＃39; PlaceholderWithDefault＆＃39;）带输入形状：[]。

我想我可能需要在占位符上指定不同的维度，但我还没有在标准的前馈丢失上遇到这个问题。我已尝试过在维度中指定n_layers的一些变体（我认为我需要解决这个问题？）但是没有取得任何成功。

Answer 1

比我想象的更容易修复...

似乎我需要拥有我的＆＃34;默认＆＃34;作为张量而不是标量输入，所以

output_keep_prob = tf.placeholder_with_default([1.0], tf.float32)

是第一步，在我的测试/列车运行声明中，我需要使用相同的方法，用[0.5]表示保持率而不是0.5。

sess.run（training_op，feed_dict = {X：x_batch，y：y_batch，output_keep_prob：[0.5]}）

LSTM Dropout Wrapper排名错误

1 个答案: