tensorflow RNN的4D输入张量

在NLP任务中使用tensorflow时，我通常会传递一个3D张量作为输入，排名为3，例如[批量大小、时间步长、嵌入维度]

RNN的代码如下所示：

lstm_cell =tf.contrib.rnn.GRUCell(n_hidden)
lstm_cell = tf.contrib.rnn.DropoutWrapper(lstm_cell, output_keep_prob=dropout)
outputs, _ = tf.nn.dynamic_rnn(cell=lstm_cell, inputs=x,sequence_length=seq_len, dtype=tf.float32,time_major=False)   ## outputs is a list of matrices

seq_len为形状[批次大小]，输出为形状张量（批次大小，rnn尺寸）。这个很好用

是否可以输入形状的4D张量：[批次大小、时间步长、数量特征、嵌入维度]，并提供形状的rank2序列长度[批次大小、数量特征]

作为输出，我希望得到一个形状张量：[num\u特征、批大小、rnn\u维度]

是否有人使用秩高于3的输入张量？如果直接使用4秩张量，您将如何调整代码

Dimension must be 4 but is 3 for 'test_scope/transpose' (op: 'Transpose') with input shapes: [?,156,12,300], [3].

Dimension must be 4 but is 3 for 'test_scope_1/transpose' (op: 'Transpose') with input shapes: [?,12,156,300], [3].

---

看起来您的错误不是来自RNN，而是一个转置操作，在该操作中，您将秩3形状作为置换，而不是秩4。看起来您的错误不是来自RNN，而是一个转置操作，在该操作中，您将秩3形状作为置换，而不是秩4。