tensorflow RNN 使用动态的batch_size
发布于2019-08-20 11:35 阅读(1569) 评论(0) 点赞(3) 收藏(0)
在使用tensorflow实现RNN模型时，需要初始化隐藏状态，如下：
lstm_cell_1 = [tf.nn.rnn_cell.DropoutWrapper(tf.nn.rnn_cell.BasicLSTMCell(HIDDEN_SIZE),output_keep_prob=dropout_keep_prob) for _ in range(NUM_LAYERS)]
cell_1 = tf.nn.rnn_cell.MultiRNNCell(lstm_cell_1)
self.init_state_1 = cell_1.zero_state(self.batch_size,tf.float32)
- 1
- 2
- 3
如果我们直接使用超参数batch_size初始化，在使用模型预测的结果时会很麻烦。我们可以使用动态的batch_size，就是将batch_size作为一个placeholder，在运行时，将batch_size作为输入输入就可以实现根据数据量的大小使用不同的batch_size。代码实现如下：
self.batch_size = tf.placeholder(tf.int32,[],name='batch_size')
self.state = cell.zero_state(self.batch_size,tf.float32)
- 1
- 2
所属网站分类: 技术文章 > 博客
作者：dfh8374
链接：https://www.pythonheidong.com/blog/article/49111/85d38e0a96ae1af85250/
来源：python黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力