Question

我正在使用Tensorflow构建我的第一个RNN。了解了有关3D输入形状的所有概念之后，我遇到了这个问题。

在我的numpy版本（1.15.4）中，3D数组的形状表示如下：(panel, row, column)。我将使每个维度都不同，以便更清晰：

In [1]: import numpy as np                                                                                                                  

In [2]: arr = np.arange(30).reshape((2,3,5))                                                                                                

In [3]: arr                                                                                                                                 
Out[3]: 
array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])

In [4]: arr.shape                                                                                                                           
Out[4]: (2, 3, 5)

In [5]: np.__version__                                                                                                                      
Out[5]: '1.15.4'

我的理解是：我有两个时间步，每个时间步包含3个观测值，每个观测值有5个特征。

但是，在张量流“理论”（我认为它强烈地基于numpy）中，RNN单元期望形状为[batch_size, timesteps, features]的张量（即n维矩阵），可以将其转换为：{{1 }}中的数字“行话”。

可以看出，表示形式不匹配，将numpy数据输入占位符时会导致错误，在大多数示例和理论中，其定义如下：

(row, panel, column)

x = tf.placeholder(tf.float32, shape=[None, N_TIMESTEPS_X, N_FEATURES], name='XPlaceholder')不能解决问题，因为它只是重新排列尺寸，但弄乱了数据。
我第一次使用 Dataset API ，但是我在会话中遇到的问题是一次，而不是在Dataset API操作中。
我正在使用np.reshape()方法，并且一切正常，直到必须将数据输入占位符为止，这显然会导致形状错误。
我试图将占位符形状更改为static_rnn。但是，我使用的是数据集API，如果将Xplaceholder更改为shape=[N_TIMESTEPS_X, None, N_FEATURES]，则在进行初始化时会出错。

所以，总结一下：

第一个问题：具有不同形状表示形式的形状错误。
第二个问题：将形状表示形式等价时出现数据集错误（我认为如果解决了此问题，static_rnn或dynamic_rnn都可以起作用）。

我的问题是：

¿关于这种不同的表示逻辑，我有什么遗漏之处吗？

??是否可以将解决方案切换到dynamic_rnn？（尽管我遇到的形状问题与以数据集[N_TIMESTEPS_X，None，N_FEATURES]而不是RNN单元本身提供的数据集API初始化程序有关。

非常感谢您的宝贵时间。

完整代码：

shape=[N_TIMESTEPS_X, None, N_FEATURES]

Answer 1

关于这个不同之处，我有什么想念的吗？表示逻辑，这会使实践产生混乱？

实际上，您在static_rnn和dynamic_rnn的输入形状上犯了一个错误。 static_rnn的输入形状是[timesteps,batch_size, features]（link），它是形状为[batch_size，features]的2D张量的列表。但是dynamic_rnn的输入形状是[timesteps,batch_size, features]或[batch_size,timesteps, features]，具体取决于time_major是True还是False（link）。

能否实现切换到dynamic_rnn的解决方案？

关键不是您使用static_rnn或dynamic_rnn，而是您的数据形状与所需形状匹配。占位符的一般格式就像您的代码为[None, N_TIMESTEPS_X, N_FEATURES]。使用数据集API也很方便。您可以使用transpose()（link）代替reshape()。transpose()会置换数组的维数，并且不会弄乱数据。

因此您的代码需要修改。

# permute the dimensions
xt = xt.transpose([1,0,2])
xval = xval.transpose([1,0,2])

# adjust shape,axis=1 represents timesteps
inputs = tf.unstack(next_features,  axis=1)

其他错误与rnn形状无关。

numpy和张量流RNN形状表示不匹配

1 个答案: