tf.nn.dynamic_rnn详解
函数原型tf.nn.dynamic_rnn( cell, inputs, sequence_length=None, initial_state=None, dtype=None, parallel_iterations=None, swap_memory=False, time_major=False, scope=None参数讲解：cell: RNNCell的一个实例.inputs: RNN输入.如果time_major == False(默认), 则是一个shape为的Tensor,或者这些元素的嵌套元组。如果time_major == True,则是一个shape为的Tensor,或这些元素的嵌套元组。sequence_length: (可选）大小为,数据的类型是int32/int64向量。如果当前时间步的index超过该序列的实际长度时，则该时间步不进行计算，RNN的state复制上一个时间步的，同时该时间步的输出全部为零。initial_state: (可选)RNN的初始state(状态)。如果cell.state_size(一层的RNNCell)是一个整数，那么它必须是一个具有适当类型和形状的张量。如果cell.state_size是一个元组(多层的RNNCell,如MultiRNNCell)，那么它应该是一个张量元组，每个元素的形状为 for s in cell.state_size。time_major: inputs 和outputs 张量的形状格式。如果为True，则这些张量都应该是（都会是）。如果为false，则这些张量都应该是（都会是）。time_major=true说明输入和输出tensor的第一维是max_time。否则为batch_size。使用time_major =True更有效,因为它避免了RNN计算开始和结束时的转置.但是,大多数TensorFlow数据都是batch-major,因此默认情况下,此函数接受输入并以batch-major形式发出输出.返回值：一对(outputs, state),其中：outputs： RNN输出Tensor.如果time_major == False(默认),这将是shape为的Tensor.如果time_major == True,这将是shape为的Tensor.state： 最终的状态.一般情况下state的形状为 如果cell是LSTMCells,则state将是包含每个单元格的LSTMStateTuple的元组，state的形状为实列讲解import tensorflow as tfimport numpy as npn_steps = 2n_inputs = 3n_neurons = 5 # 也就是hidden_sizeX = tf.placeholder(tf.float32, )basic_cell = tf.contrib.rnn.BasicRNNCell(num_units=n_neurons)seq_length = tf.placeholder(tf.int32, )outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32, sequence_length=seq_length)init = tf.global_variables_initializer()X_batch = np.array([ # step 0 step 1 [, ], # instance 1 [, ], # instance 2 [, ], # instance 3 [, ], # instance 4 ])seq_length_batch = np.array() #规定每个样本的timestep的大小，如, 就只保留的部分with tf.Session() as sess: init.run() outputs_val, states_val = sess.run( , feed_dict={X: X_batch, seq_length: seq_length_batch}) print("outputs_val.shape:", outputs_val.shape, "states_val.shape:", states_val.shape) print("outputs_val:", outputs_val, "states_val:", states_val)输出outputs_val.shape: (4, 2, 5) states_val.shape: (4, 5)outputs_val: #对应states_val中的部分用删除线划出，后面都是这种形式[[[ 0.53073734， -0.61281306， -0.5437517 ，0.7320347，-0.6109526 ][ 0.99996936 ， 0.99990636 ，-0.9867181 ，0.99726075 ，-0.99999976]][[ 0.9931584 ，0.5877845 ， -0.9100412 ，0.988892 ，-0.9982337 ][ 0. ， 0. ， 0. ， 0. ， 0. ]][[ 0.99992317 ， 0.96815354 ，-0.985101，0.9995968 ， -0.9999936 ][ 0.99948144 ， 0.9998127-，0.57493806 ， 0.91015154 -，0.99998355]][[ 0.99999255，0.9998929 ，0.26732785，0.36024097 ，-0.99991137][ 0.98875254 ，0.9922327 ，0.6505734，0.4732064，-0.9957567 ]]]states_val:[[ 0.99996936，0.99990636， -0.9867181 ，0.99726075 ，-0.99999976][ 0.9931584，0.5877845，-0.9100412， 0.988892 ，-0.9982337 ][ 0.99948144，0.9998127 ， -0.57493806，0.91015154， -0.99998355][ 0.98875254 ， 0.9922327， 0.6505734 ，0.4732064 ， -0.9957567 ]]上面代码搭建的RNN网络如下图所示
//upload-images.jianshu.io/upload_images/15372698-35ea5d8c4e9f92d4.png
上图中：椭圆表示tensor，矩形表示RNN cell。outputs是最后一层的输出，即 =
states是每一层的最后一个step的输出，即三个结构为 = 的tensor继续观察数据，states中的最后一个array，正好是outputs的最后那个step的输出首先tf.nn.dynamic_rnn()的time_major是默认的false，故输入X应该是一个= 的tensor，注意我们这里调用的是BasicRNNCell，只有一层循环网络，outputs是最后一层每个step的输出，它的结构是= ，states是每一层的最后那个step的输出，由于本例中，我们的循环网络只有一个隐藏层，所以它就代表这一层的最后那个step的输出，因此它和step的大小是没有关系的，我们的X有4个样本组成，隐层神经元个数为n_neurons是5，因此states的结构就是= ，最后我们观察数据，states的每条数据正好就是outputs的最后一个step的输出。下面我们继续讲解多个隐藏层的情况，这里是三个隐藏层，注意我们这里仍然是调用BasicRNNCellimport tensorflow as tfimport numpy as npn_steps = 2n_inputs = 3n_neurons = 5n_layers = 3X = tf.placeholder(tf.float32, )seq_length = tf.placeholder(tf.int32, )layers = activation=tf.nn.relu)multi_layer_cell = tf.contrib.rnn.MultiRNNCell(layers)outputs, states = tf.nn.dynamic_rnn(multi_layer_cell, X, dtype=tf.float32, sequence_length=seq_length)init = tf.global_variables_initializer()X_batch = np.array([ # step 0 step 1 [, ], # instance 1 [, ], # instance 2 (padded with zero vectors) [, ], # instance 3 [, ], # instance 4 ])seq_length_batch = np.array()with tf.Session() as sess: init.run() outputs_val, states_val = sess.run( , feed_dict={X: X_batch, seq_length: seq_length_batch}) print("outputs_val.shape:", outputs, "states_val.shape:", states) print("outputs_val:", outputs_val, "states_val:", states_val)输出outputs_val.shape:Tensor("rnn/transpose_1:0", shape=(?, 2, 5), dtype=float32)states_val.shape:(<tf.Tensor 'rnn/while/Exit_3:0' shape=(?, 5) dtype=float32>,<tf.Tensor 'rnn/while/Exit_4:0' shape=(?, 5) dtype=float32>,<tf.Tensor 'rnn/while/Exit_5:0' shape=(?, 5) dtype=float32>)outputs_val:[[[0. ， 0.18740742， 0. ， 0.2997518 ， 0. ]][[0. ， 0.07222144 ，0. ， 0.11551574 ，0. ]][[0.03702604， 0.18443246 ，0. ， 0.34539366 ，0. ]][[0.5382122，0. ， 0.04396425， 0.4040263 ， 0. ]]]states_val:(array([, , , ], dtype=float32),array([, , , ], dtype=float32),array([, , , ], dtype=float32))
多层的RNN网络如下图所示
//upload-images.jianshu.io/upload_images/15372698-2244796f1912667d.png
我们说过，outputs是最后一层的输出，即 = states是每一层的最后一个step的输出，即三个结构为 =的tensor继续观察数据，states中的最后一个array，正好是outputs的最后那个step的输出。下面我们继续讲当由BasicLSTMCell构造单元工厂的时候，只讲多层的情况，我们只需要将上面的 BasicRNNCell替换成BasicLSTMCell就行了，打印信息如下：outputs_val.shape:Tensor("rnn/transpose_1:0", shape=(?, 2, 5), dtype=float32)states_val.shape:(LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_3:0' shape=(?, 5) dtype=float32>, h=<tf.Tensor 'rnn/while/Exit_4:0' shape=(?, 5) dtype=float32>),LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_5:0' shape=(?, 5) dtype=float32>, h=<tf.Tensor 'rnn/while/Exit_6:0' shape=(?, 5) dtype=float32>),LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_7:0' shape=(?, 5) dtype=float32>, h=<tf.Tensor 'rnn/while/Exit_8:0' shape=(?, 5) dtype=float32>))outputs_val:[[[9.4675866e-05 ，0.0000000e+00 ，2.0214770e-04， 0.0000000e+00， 0.0000000e+00]][[4.3100454e-06 ，4.2123037e-07 ，1.4312843e-06 ，0.0000000e+00， 0.0000000e+00]][[0.0000000e+00， 0.0000000e+00 ，0.0000000e+00， 0.0000000e+00 ，0.0000000e+00]][[0.0000000e+00 ，0.0000000e+00， 0.0000000e+00， 0.0000000e+00 ，0.0000000e+00]]]states_val:(LSTMStateTuple(c=array([, , , ], dtype=float32),h=array([, , , ], dtype=float32)),LSTMStateTuple(c=array([ 0.0000000e+00], 5.9535629e-05], 0.0000000e+00], 0.0000000e+00]], dtype=float32),h=array([ 0.00000000e+00], 2.97713632e-05], 0.00000000e+00], 0.00000000e+00]], dtype=float32)),LSTMStateTuple(c=array([ 0.0000000e+00], 0.0000000e+00], 0.0000000e+00], 0.0000000e+00]], dtype=float32),h=array([ 0.0000000e+00], 0.0000000e+00], 0.0000000e+00], 0.0000000e+00]], dtype=float32)))LSTM的网络结构如下图：
//upload-images.jianshu.io/upload_images/15372698-8e62236b747faace.png
一个LSTM cell有两个状态Ct和ht ,而不是像一个RNN cell一样只有ht 关于LSTM的讲解可以看博客：LSTM理论知识讲解 LSTM模型与前向反向传播算法 - 刘建平Pinard - 博客园在tensorflow中，将一个LSTM cell的Ct 和ht 合在一起，称为LSTMStateTuple。因此我们的states包含三个LSTMStateTuple，每一个LSTMStateTuple表示每一层的最后一个step的输出，这个输出有两个信息，一个是ht 表示短期记忆信息，一个是Ct 表示长期记忆信息。维度都是 = ，states的最后一个LSTMStateTuple中的ht 就是outputs的最后一个step的输出。
先总结一下，num_units这个参数的大小就是LSTM输出结果的维度。例如num_units=128， 那么LSTM网络最后输出就是一个128维的向量。我们先换个角度举个例子，最后再用公式来说明。假设在我们的训练数据中，每一个样本 x 是 28*28 维的一个矩阵，那么将这个样本的每一行当成一个输入，通过28个时间步骤展开LSTM，在每一个LSTM单元，我们输入一行维度为28的向量，如下图所示。
//upload-images.jianshu.io/upload_images/15372698-86d90afbd3c76d98.png
那么，对每一个LSTM单元，参数 num_units=128 的话，就是每一个单元的输出为 128*1 的向量，在展开的网络维度来看，如下图所示，对于每一个输入28维的向量，LSTM单元都把它映射到128维的维度， 在下一个LSTM单元时，LSTM会接收上一个128维的输出，和新的28维的输入，处理之后再映射成一个新的128维的向量输出，就这么一直处理下去，知道网络中最后一个LSTM单元，输出一个128维的向量。
//upload-images.jianshu.io/upload_images/15372698-1530cb55c31850ea.png
从LSTM的公式的角度看是什么原理呢？我们先看一下LSTM的结构和公式：
//upload-images.jianshu.io/upload_images/15372698-5aebb48d1d64c36f.png
参数 num_units=128 的话，
//upload-images.jianshu.io/upload_images/15372698-41a13de591eacd9e.png
所以最后LSTM单元输出的h就是 128∗1的向量。
页:
[1]