Python TensorFlow序列的可训练重量

我想在

seq2seq.sequence\u loss\u by\u example（）

中有一个可训练的重量，例如

w = tf.get_variable("w", [batch_size*num_steps])
loss = seq2seq.sequence_loss_by_example([logits_1],
            [tf.reshape(self._targets, [-1])],
            w,vocab_size_all)

但是，运行此代码会导致以下错误：

seq2seq.py, line 654, in sequence_loss_by_example
if len(targets) != len(logits) or len(weights) != len(logits):

根据

seq2seq.py

中此函数的docstring：

weights: list of 1D batch-sized float-Tensors of the same length as logits.

它需要一个“张量”，但我想传递一个

tf.Variable

。有没有办法在该函数中设置可训练权重？

在TensorFlow a中，可以在任何需要a（相同元素类型和形状）的地方使用a

因此，如果要定义可训练权重，可以将

tf.Variable

对象列表作为

weights

参数传递给。例如，您可以执行以下操作：

# Defines a list of `num_steps` variables, each 1-D with length `batch_size`.
weights = [tf.get_variable("w", [batch_size]) for _ in range(num_steps)]

loss = seq2seq.sequence_loss_by_example([logits_1, ..., logits_n],
                                        [targets_1, ..., targets_n],
                                        weights,
                                        vocab_size_all)

在TensorFlow中，a可用于任何需要a（相同元素类型和形状）的地方

因此，如果要定义可训练权重，可以将

tf.Variable

对象列表作为

weights

参数传递给。例如，您可以执行以下操作：

# Defines a list of `num_steps` variables, each 1-D with length `batch_size`.
weights = [tf.get_variable("w", [batch_size]) for _ in range(num_steps)]

loss = seq2seq.sequence_loss_by_example([logits_1, ..., logits_n],
                                        [targets_1, ..., targets_n],
                                        weights,
                                        vocab_size_all)

---

你能提供完整的回溯（错误）信息吗？请提供@Tadhgmdonald Jensen，好的，下次会这样做。你能提供完整的回溯（错误）信息吗？请提供@Tadhgmdonald Jensen，好的，下次会这样做。