tensorflow中dynamic_rnn函数的参数中的TypeError

文章/答案/技术大牛

发布

1回答

tf.nn.dynamic_rnn()在Google中使用时返回错误

tensorflow、google-cloud-datalab

同一网络在我的计算机上正确运行，但当我在Datalab上运行它时，我得到以下错误：dynamic_rnn()的用法如下：rnn_outputs，state =tf.nn.dynamic_rnn(单元，输入，initial_state = initial_state_placeholder) 这是tensorflow版本的问题吗在我的计算机上，我使用

浏览 5提问于2016-07-28得票数 1

回答已采纳

1回答

tensorflow、rnn

initial_state= init_state) ses.run(tf.global_variables_initializer())TypeError Traceback (most recent call last)TypeError: 'Tensor' object is no

浏览 6提问于2017-08-28得票数 0

回答已采纳

1回答

Tensorflow:使用tf.mat_fn()或tf.nn.dynamic_rnn()在LSTM之前应用层有什么区别？

python、tensorflow、deep-learning、lstm

这个问题是关于使用Tensorflow的编码策略。我想建立一个小型分类器网络，由：我是否在我的LSTM层之前使用这个简单的层，并将两者传递给操

浏览 1提问于2016-11-30得票数 3

1回答

TensorFlow.jl输出dynamic_rnn形状

tensorflow、julia、lstm

朱莉娅0.6.0 我正在建立一个用于时间序列预测的我需要每个时间步骤的输出，因为我想要计算损失，而不仅仅是最后一步。根据，dynamic_rnn的输出应该具有形状[batch_size, max_time, cell.output_size] (如果是time_major == False)。在python中，这可以很好地

浏览 3提问于2017-12-11得票数 1

回答已采纳

3回答

动态展开RNN意味着什么？

neural-network、tensorflow

我在Tensorflow源代码中特别提到了这一点，但是我正在寻找一种概念上的解释，它通常扩展到RNN。在tensorflow rnn方法中，记录了以下内容：参数sequence_length是可选的，用于复制通过批处理元素

浏览 6提问于2016-08-14得票数 23

2回答

什么是TensorFlow中的动态RNN？

tensorflow、recurrent-neural-network

我对什么是动态RNN (即dynamic_rnn)感到困惑。它返回输出和TensorFlow中的状态。这些状态和输出是什么？在动态神经网络中，在TensorFlow中什么是动态的？

浏览 3提问于2017-03-29得票数 12

1回答

如何在cell= ConvLSTMCell中使用MultiRNNCell？

tensorflow、lstm、recurrent-neural-network

如何使用cell = ConvLSTMCell()和MultiRNNCell在每一层中使用不同数量的过滤器来构建多层神经网络？

浏览 3提问于2018-02-23得票数 0

回答已采纳

1回答

Seq2Seq在TensorFlow教程中使用桶

tensorflow

我想知道为什么在Seq2Seq TensorFlow教程中引入了这些桶。我理解不处理填充符号可以提高效率，但如果使用rnn并指定sequence_length参数，则可以避免处理填充符号。或者如果您使用dynamic_rnn。这是因为它有助于在多台设备/机器之间分发培训吗？

浏览 0提问于2016-07-14得票数 0

回答已采纳

1回答

在TensorFlow* dynamic_rnn中使用TensorFlow参数时如何处理填充*

tensorflow、machine-learning、deep-learning、sequence、recurrent-neural-network

我试图在Tensorflow中使用dynamic_rnn函数来加速训练。在进行了一些阅读之后，我的理解是，加快培训的一种方法是显式地向函数中的sequence_length参数传递一个值。经过更多的阅读，并找到这样的解释，似乎我需要传递的是一个向量(可能由一个tf.placeholder定义)，它包含了批处理中每个序列的长度。这里是我感到困惑<e

浏览 0提问于2018-01-26得票数 3

回答已采纳

0回答

在使用seq2seq时，tf.nn.dynamic_rnn如何处理不同长度的输入？

tensorflow、deep-learning

这里我问的是动态行为是如何工作的。这是上述dynamic_rnn函数的tensorflow 。此函数创建的RNN输入块的最大长度是多少？它会根据最大的输入填充所有较短的吗？

浏览 0提问于2017-06-07得票数 2

回答已采纳

1回答

多对一RNN的截断反向传播

tensorflow、neural-network、recurrent-neural-network、rnn

我一直在看这篇关于RNN的文章：此外，如果可能的话，我对在训练和测试中使用不同的时间步长很感兴趣。有可能做到这一点吗？总结问题: 1.如何对多对一的RNN使用适当的截断BP ? 2.如何使用变长序列进行训练/测试？

浏览 2提问于2018-04-20得票数 0

1回答

如何使用legacy_seq2seq实现多维输入rnn

tensorflow、rnn

对于legacy_seq2seq，它只支持带有2D张量列表的输入。如果模型的每个输入都有更多的参数。说，[1,2，2,3，3,4...]而不是1，2，3，4，...那么，如何使用tensorflow实现批处理方法中的多维输入rnn呢？或者它不存在？

浏览 13提问于2018-01-12得票数 0

0回答

基于tensorflow的多维动态rnn

tensorflow、recurrent-neural-network

在tensorflow的dynamic_rnn函数中，我对输出形状感到惊讶，我希望有人能帮助我提高对RNN cell的理解。input_dim =2(即两个时间序列)和110是批量大小；并且该单元被定义为，其中hidden_dim =6问题： 1:这些维度意味着时间序列<em

浏览 5提问于2016-12-30得票数 0

2回答

关于简单Keras和Tensorflow代码性能的问题

tensorflow、keras、lstm、recurrent-neural-network

我使用Keras和Tensorflow和LSTM编写了简单的Sin函数预测器，但发现Keras代码的性能要慢得多，运行大约5分钟，而Tensorflow代码运行模型只需要20秒。此外，Keras的预测性能不如Keras one精确。有人能帮我找出2个模型之间的代码差异吗？我在网上破解了代码，打算用同样的超参数来训练模型。但性能并不像预期的那样好。'pred_vs_real_BS'+str(BAT

浏览 0提问于2019-08-06得票数 1

1回答

static_rnn和dynamic_rnn有什么区别？

python、tensorflow

在tensorflow中，tf.nn.static_rnn和tf.nn.dynamic_rnn有什么区别，以及何时使用它们？这两种方法都采用了一个sequence_length参数，使计算适应于输入的实际长度；这并不是说static_rnn仅限于固定大小的输入，对吗？dynamic_rnn有以下额外的参数：但我认为这些只是微小的

浏览 0提问于2018-07-19得票数 7

回答已采纳

1回答

计算tf.while_loop各时间步长的梯度

python、tensorflow、while-loop、backpropagation

给定一个TensorFlow tf.while_loop，如何计算x_out相对于网络每个时间步长的所有权重的梯度？steps, x_out] condition, [steps, layer_1]一些笔记在我的网络中不同的运行将以不同的次数运行while循环。在循环中使用tf.gradients的唯一可能性似乎是只计算相对于weight_1<em

浏览 0提问于2018-03-29得票数 10

回答已采纳

1回答

如何将`None`批量大小传递给tensorflow动态rnn？

tensorflow、deep-learning、conv-neural-network、rnn

最初我有一个图像，我正在转换使用CNN在word图像上提取的特征，并构建一个特征序列，我将其作为连续数据传递给RNN。下面是我如何将特征转换为顺序数据：其中，a,b,c是使用CNN提取的3目前我可以向模型common.BATCH_SIZE传递一个常量batch_size，但我想要的是能够将变量batch_size传递给模型。如何做到这一点？_dims = [as_dimension(d)

浏览 0提问于2017-07-10得票数 0

1回答

为什么要在TensorFlow中使用state_saving_rnn()函数？

out-of-memory、tensorflow、recurrent-neural-network

TensorFlow提供了以下函数来创建RNN：rnn()、dynamic_rnn()、state_saving_rnn()和bidirectional_rnn()。我想知道您什么时候会想要使用state_saving_rnn()函数？我猜这是针对大型RNN的。当通过时间展开时，您实际上获得了一个潜在的非常深的网络，如果每一层都有许多参数，GPU可能会耗尽内存。因此，该函数将在每个时间步保存状态(可能保存到磁盘，也可能保存到CPU<

浏览 7提问于2016-09-15得票数 0

1回答

及时回传tf.nn.dynamic_rnn用于顺序输入(来自批处理)

tensorflow、deep-learning、lstm、recurrent-neural-network、rnn

来模拟批处理的时间步骤。因此，假设我在网络中对N个项进行了前向传递，并从dynamic_rnn中提供了最终的单元格状态和隐藏状态。现在，要执行反向传播，我应该向LSTM输入什么？(说，不。，我是从前一批的前向传播中从dynamic_rnn获得的。)还是我已经在时间序列中显式地展开了LSTM层，并通过提供一个单元状态向量并隐藏在前一个

浏览 0提问于2018-03-14得票数 0

1回答

如何在Dynamic_rnn中使用正则化

tensorflow、deep-learning、regularized

我想在tensorflow中使用l2-regularizatin和Dynamic_rnn，但目前似乎没有很好地处理。While循环是错误的来源。下面是重现该问题的示例代码片段import tensorflow as tfbatch = 2 dim = 3rnn/gru_cell/gates/kernel/Regularizer/l2_regularizer whil

浏览 0提问于2018-04-07得票数 2

点击加载更多

tf.nn.dynamic_rnn()在Google中使用时返回错误