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？
答案 0 :(得分：1)
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。
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 。