Python 输入到LSTM网络tensorflow 我有一个时间序列的长度t（x0，…，xt），每个席席是d维向量，即X=（x0i，x1i，…，xDi）。因此，我的输入X的形状为[批次大小，d]_Python_Tensorflow_Lstm_Recurrent Neural Network

Python 输入到LSTM网络tensorflow 我有一个时间序列的长度t（x0，…，xt），每个席席是d维向量，即X=（x0i，x1i，…，xDi）。因此，我的输入X的形状为[批次大小，d]

python tensorflow

Python 输入到LSTM网络tensorflow 我有一个时间序列的长度t（x0，…，xt），每个席席是d维向量，即X=（x0i，x1i，…，xDi）。因此，我的输入X的形状为[批次大小，d],python,tensorflow,lstm,recurrent-neural-network,Python,Tensorflow,Lstm,Recurrent Neural Network,tensorflow LSTM的输入大小应为[batchSize，hidden_size]。我的问题是如何将时间序列输入LSTM。我想到的一个可能的解决方案是增加权重矩阵W，其大小为[d，hidden_size]，并用X*W+B输入LSTM 这是正确的还是应该向网络输入其他内容谢谢你的直觉是正确的；您所需要的（以及您所描述的）是一个嵌入，用于将输入向量转换为LSTM输入的维度。我知道有三种主要方法可以实现这一点如您所述，您可以使用额外的权重矩阵W和偏差向量b手动执行此操作您可以使用li

tensorflow LSTM的输入大小应为[batchSize，hidden_size]。我的问题是如何将时间序列输入LSTM。我想到的一个可能的解决方案是增加权重矩阵W，其大小为[d，hidden_size]，并用X*W+B输入LSTM

这是正确的还是应该向网络输入其他内容

谢谢你的直觉是正确的；您所需要的（以及您所描述的）是一个嵌入，用于将输入向量转换为LSTM输入的维度。我知道有三种主要方法可以实现这一点

如您所述，您可以使用额外的权重矩阵
```
W
```
和偏差向量
```
b
```
手动执行此操作
您可以使用
```
linear（）
```
函数自动创建权重矩阵和偏差向量。然后，当您通过
```
rnn\u decoder（）
```
函数或其他方式创建LSTM时，将该线性层的输出作为LSTM的输入传递
或者，您可以让Tensorflow创建此嵌入，并通过同一seq2seq库第141行的
```
embedding\u rnn\u decoder（）
```
函数创建LSTM，将其自动连接到LSTM的输入。（如果您在没有任何可选参数的情况下跟踪此函数的代码，您将看到它只是为输入和LSTM创建了一个线性嵌入层，并将它们连接在一起。）

除非您出于某种原因需要访问正在创建的各个组件，否则我建议使用第三种方法来保持代码处于较高的级别。

在讨论X时，您提到了批大小，但对于LSTM，您提到了批大小。这是同一件事吗？第三种解决方案在这种情况下有效吗？对于稀疏但多维的输入张量，可以使用Embedded_rnn_decoder（）吗？看起来该函数将查找给定一个一维整数或一个热编码的嵌入，但不是一种使用权重矩阵改变输入向量维数的方法。最先进的方法是什么，推荐的方法是什么？谢谢！