Tensorflow-Deeplearning-输入和输出之间的关联

时间:2019-02-03 10:52:47

标签: tensorflow deep-learning correlation tensor

我与tensorflow语音识别实验。

我有输入作为波形和字作为输出。

波形看起来像这样

[0,0,0,-2,3,-4,-1,7,0,0,0...0,0,0,20,-11,4,0,0,1,...]

,而每个数字代表一个字的话将是数字数组:

[12,4,2,3]

训练后,我还想找出每个输出标签的输入和输出之间的相关性。

例如我想知道哪个输入神经元|样品负责第一个标签(此处为12)。

[0,0.01,0.10,0.99,0.77,0.89,0.99,0.79,0.22,0.11,0...0,0,0,0,0,0,0,0,0,...]

将输入的原始值替换为相关性,而0表示无相关性,而1则表示总相关性。

目标是在单词开始时获得位置。

张量流中是否有函数来获得这种相关性?

1 个答案:

答案 0 :(得分:1)

问题

我有一个数据序列(X),我想将其转换为另一个数据序列(Y),并报告(X)的哪一部分对(Y)做出贡献。

答案

这是一个众所周知的问题,Tensorflow.org实际上有一个很棒的例子neural machine translation with attention

示例代码展示了如何将X(西班牙语)翻译成Y(英语)并报告X的哪一部分对Y的每个部分的决定(注意)做出了贡献

可以使用完全相同的原理和代码将X(波浪数据)转换为Y(单词),并通过注意读数报告波浪数据的哪些部分对每个单词有帮助。

示例中的关注层称为 attention_layer