使用估計器構建LSTM網絡

我正在嘗試使用估算器構建LSTM網絡。我的數據看起來像使用估計器構建LSTM網絡

X = [[1,2,3], [2,3,4], ... , [98,99,100]] 
y = [2, 3, ... , 99]

我使用的是估算：

regressor = learn.Estimator(model_fn=lstm_model, 
          params=model_params, 
          )

其中lstm_model功能

def lstm_model(features, targets, mode, params): 

    def lstm_cells(layers): 
     if isinstance(layers[0], dict): 
      return [tf.nn.rnn_cell.BasicLSTMCell(layer['steps'],state_is_tuple=True) for layer in layers] 
     return [tf.nn.rnn_cell.BasicLSTMCell(steps, state_is_tuple=True) for steps in layers] 

    stacked_lstm = tf.nn.rnn_cell.MultiRNNCell(lstm_cells(params['rnn_layers']), state_is_tuple=True) 
    output, layers = tf.nn.rnn(stacked_lstm, [features], dtype=tf.float32) 
    return learn.models.linear_regression(output, targets)

，而params是

model_params = { 
    'steps': 1000, 
    'learning_rate': 0.03, 
    'batch_size': 24, 
    'time_steps': 3, 
    'rnn_layers': [{'steps': 3}], 
    'dense_layers': [10, 10] 
}

，然後我做配件

regressor.fit(X, y)

我現在面臨的問題是

output, layers = tf.nn.rnn(stacked_lstm, [features], dtype=tf.float32)

需要一個序列，但我不知道怎麼我的功能拆分成張量的列表。 lstm_model函數內部的特徵形狀是（？，3）

我有兩個問題，我該如何分批進行培訓？和我怎麼分割「功能」，因此

output, layers = tf.nn.rnn(stacked_lstm, [features], dtype=tf.float32)

不會引發和錯誤。我正的誤差是

raise TypeError("%s that don't all match." % prefix) 
TypeError: Tensors in list passed to 'values' of 'Concat' Op have types [float64, float32] that don't all match.

我使用tensorflow 0.12

來源

2016-12-15 Amer

我不得不設置形狀爲特徵是（的batch_size，time_step，1）或（無，time_step，1），然後取消在rnn中的功能。在「time_step」中取消堆積特徵，以便您有一個張量列表，其中時間步長的大小和每個張量的形狀應爲（無，1）或（batch_size，1）

來源

2016-12-17 02:28:01 Amer

使用估計器構建LSTM網絡

回答

相關問題