Machine learning 当我的输入和输出不是固定长度时，如何使用编码器-解码器RNN？_Machine Learning_Deep Learning_Recurrent Neural Network

Machine learning 当我的输入和输出不是固定长度时，如何使用编码器-解码器RNN？

machine-learning deep-learning

Machine learning 当我的输入和输出不是固定长度时，如何使用编码器-解码器RNN？,machine-learning,deep-learning,recurrent-neural-network,Machine Learning,Deep Learning,Recurrent Neural Network,例如，我的每个输入数据的长度可以是5或10或15，它不是固定的，它与输出相同，当我使用编码器-解码器RNN（seq2seq）时如何处理这个问题？我假设在小批量处理时会出现问题，否则，单独处理每个样本没有问题最简单的策略是确保小批量中的所有样本长度相同。否则，另一种解决方案是填充，它在词汇表中添加一个称为PAD的新符号，然后将短样本填充到小批量中最长样本的长度

例如，我的每个输入数据的长度可以是5或10或15，它不是固定的，它与输出相同，当我使用编码器-解码器RNN（seq2seq）时如何处理这个问题？

我假设在小批量处理时会出现问题，否则，单独处理每个样本没有问题

最简单的策略是确保小批量中的所有样本长度相同。否则，另一种解决方案是填充，它在词汇表中添加一个称为PAD的新符号，然后将短样本填充到小批量中最长样本的长度