Fatal编程技术网
  • tensorflow/
  • Tensorflow 将输入传递到tf.nn.static\n

Tensorflow 将输入传递到tf.nn.static\n

tensorflow neural-network

Tensorflow 将输入传递到tf.nn.static\n,tensorflow,neural-network,recurrent-neural-network,Tensorflow,Neural Network,Recurrent Neural Network,根据文件规定，static\u rnn的第二个参数应设置为“输入的长度T列表，每个输入都是形状的张量[批处理大小，输入大小]，或这些元素的嵌套元组。” 我将列列表传递给了static\u rnn，但我得到了ValueError:linear需要2D参数。因此，input\u size不能为1。input\u size和T具体指什么？为什么input\u size不能为1 我突然想到，static\u rnn可能需要一个矩阵包含一个热向量的列表。在这种情况下，input size将是词汇表长度。但

根据文件规定，
static\u rnn
的第二个参数应设置为“输入的长度T列表，每个输入都是形状的张量
[批处理大小，输入大小]
，或这些元素的嵌套元组。”

我将列列表传递给了
static\u rnn
，但我得到了ValueError:linear需要2D参数。因此，
input\u size
不能为1。
input\u size
和T具体指什么？为什么
input\u size
不能为1

我突然想到，
static\u rnn
可能需要一个矩阵包含一个热向量的列表。在这种情况下，
input size
将是词汇表长度。但是如果
静态\u rnn
需要一个热向量，文档会这样说，对吗？

输入大小
表示特征的数量，它可以是
1
，例如在普通时间序列预测中。很可能是因为你的张量是
[batch\u size]
，而不是
[batch\u size，1]

因此，您不必对您的特征进行热编码（尽管您可以），只需设置正确的输入张量排名即可

示例代码：

n_输入=1
n_神经元=5
X0=tf.placeholder（dtype=tf.float32，shape=[None，n_输入]）
X1=tf.placeholder（dtype=tf.float32，shape=[None，n_输入]）
基本细胞=tf.nn.rnn细胞.基本细胞（数量单位=n个神经元）
输出顺序，状态=tf.nn.static（基本单元[X0，X1]，数据类型=tf.float32）
Y0，Y1=输出顺序