LSTM張量形狀和超參數Tensorflow

我正在學習如何使用LSTM RNN。我看到了本教程：https://www.youtube.com/watch?v=SeffmcG42SY& 之後，我嘗試應用所學知識並更改數據集。問題是，我有點失去了所有的重塑，我真的不知道如何使用它們，爲什麼他們在這裏... 我的數據集有7列和546行。這裏是我的超參數LSTM張量形狀和超參數Tensorflow

# hyperparameters 
lr = 0.001 
training_iters = 100000 
batch_size = 64 

n_inputs = 7 # columns 
n_steps = 546 # rows 
n_hidden_units = 128 # neurons in hidden layer 
n_classes = 1 # class

當我啓動我的會議，它看起來像這樣：

with tf.Session() as sess: 
    init = tf.global_variables_initializer() 
    sess.run(init) 
    step = 0 
    while step * batch_size < training_iters: 
     batch_xs, batch_ys = inputX, inputY 
     batch_xs = batch_xs.reshape([batch_size, n_steps, n_inputs]) 
     sess.run([train_op], feed_dict={ 
      x: batch_xs, 
      y: batch_ys, 
     }) 
     if step % 20 == 0: 
      print(sess.run(accuracy, feed_dict={ 
      x: batch_xs, 
      y: batch_ys, 
      })) 
     step += 1

然後，我有一個錯誤消息

「不能重塑尺寸3822型數組形狀（64,546,7）「

如果有人能解釋我該如何工作和/或如何解決問題，那將非常棒！

謝謝

來源

2017-07-03 K. Paris

爲什麼不打印張量形狀以查看它們的尺寸？ –

輸入應該是'[batch_size，time_steps，sample_dim]'。在你的數據集中，我假設每一行都有一個長度爲7的序列數據。因此，選擇N行將是你的'batch_size'，'time_steps'是7，如果它的'one-hot'編碼向量是'sample_dim'， –

那麼，我的批量大小是x：（546,7）和y：（546,1）。我的功能不是很熱，所以如果我明白了，我不會有一個樣本暗淡的參數？ –

LSTM單元具有輸入與所述LSTM細胞被展開隨時間的一個序列的不同的輸入。而且由於我們使用批量學習算法，我們需要提供一批輸入。因此，tesorflow中的LSTM輸入具有形狀（batch_size X時間步驟來展開X輸入大小）。

在你的情況

的batch_size = 64
倍步驟展開= 546
輸入大小= 7

基地，你的輸入是如何（你是怎麼做到的特徵提取），您將不得不將其重塑爲64 X 546 X 7（== 244608），如果您的輸入尺寸是3822，那麼這將導致失敗

考慮從序列到序列預測的LSTM（一對一模型）。例如，假設你有一個句子列表（讓我們說S句子）。假設你在每個句子中都有W字。現在您要預測每個句子中每個單詞的詞性標籤。假設您將每個單詞表示爲一個熱門編碼，並且詞彙大小爲V.因此，熱點編碼矢量的大小將爲V.

現在，您的LSTM模型輸入形狀將爲（批量大小XWXV），其中批量大小是< < S，通常是32或64.

來源

2017-08-15 17:22:37 mujjiga

感謝您的迴應，我現在更瞭解這一點！ –

LSTM張量形狀和超參數Tensorflow

回答

相關問題