LSTM批处理与时间步长
LSTM批处理与时间步长
提问于 2017-02-03 03:41:42
我按照LSTM教程创建了一个TensorFlow模型。然而，在这个过程中，我对“批量”和“时间步长”之间的区别变得越来越困惑，我希望能帮助澄清这一问题。
教程代码(见下文)本质上是根据指定的步骤数创建“批处理”：
with tf.variable_scope("RNN"):
for time_step in range(num_steps):
if time_step > 0: tf.get_variable_scope().reuse_variables()
(cell_output, state) = cell(inputs[:, time_step, :], state)
outputs.append(cell_output)但是，以下代码似乎也执行相同的操作：
for epoch in range(5):
print('----- Epoch', epoch, '-----')
total_loss = 0
for i in range(inputs_cnt // BATCH_SIZE):
inputs_batch = train_inputs[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
orders_batch = train_orders[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
feed_dict = {story: inputs_batch, order: orders_batch}
logits, xent, loss = sess.run([...], feed_dict=feed_dict)回答 1
Stack Overflow用户
回答已采纳
发布于 2017-02-03 03:51:36
假设您正在处理文本，BATCH_SIZE将是您并行处理的句子数，num_steps将是任何句子中的最大单词数。这些是您对LSTM的输入的不同维度。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/42010966
复制相关文章
相似问题
腾讯云开发者
