如何在非確定性數組大小的佔位符中設置形狀

我想訓練一個可以改變數組大小的數據。例如，假設我們希望訓練句子。第一句話是「我是約翰」，第二句是「我知道」。如果句子轉換成張量。第一件事會變成[「我」，「上午」，「約翰」]，下一個將會是[「我」，「知道」]。因此，第一個數組需要3個n_input作爲佔位符的形狀。但是，第二個陣列需要2個。如何在非確定性數組大小的佔位符中設置形狀

x = tf.placeholder("float", [None, n_input]) 
y = tf.placeholder("float", [None, n_classes])

我需要上述代碼來定義佔位符。但是，我無法確定n_input。

此外，形狀中的無是什麼意思？ BATCH_SIZE？請幫幫我。

來源

2016-09-21 hackartist

你的問題還不清楚。似乎你想使用循環神經網絡來訓練可變長度的序列，但你似乎有點丟失，也許你可以開始使用Tensorflow教程？ – jean

可變輸入大小的方法並不常見。如果您的數據在形狀上非常多樣化，請考慮使用RNN（如上面提到的牛仔褲）或嘗試使用縮放/填充，但它不是文本處理的好方法。 –

請仔細閱讀文檔，您會發現「形狀：要輸入張量的形狀（可選）。如果沒有指定形狀，可以輸入任何形狀的張量。」 – lerner

從技術上說，佔位符根本不需要形狀。它可以被定義爲這樣。

x =tf.placeholder(tf.float32, shape=[])

在這種情況下，佔位符本身沒有形狀信息。如果您知道張量的尺寸，但不是實際的數字形狀，我們用None替換該尺寸的數值，因爲它可以具有可變尺寸。

x =tf.placeholder(tf.float32, shape=[None, None, None])

這會影響到一些下游的靜態形狀分析認爲tensorflow確實獲得形狀信息，但否則按預期應該仍然工作。

來源

2016-09-21 13:52:12 Steven

謝謝。我有一個轉置問題。在mnist教程中，首先佔位符x被設置爲[None，n_steps，n_input]，這意味着輸入數據數組（batch_size，n_step，n_input，據我所知）。作爲mnist教程的下一步，x是[1,0 ，2]。我認爲x數組將被轉換爲（n_step，batch_size，n_input）。我的問題是爲什麼轉置是需要的。 – hackartist

我不確定你指的是哪個mnist教程。請你提供一個鏈接？如果問題已解決，請將其標記爲已完成 – Steven

@hackartist此轉置在RNN-MNIST教程中完成，因爲rnn函數需要n_step x [batch_size，n_input]的列表，這在TensorFlow API但是如果你使用「newer」dynamic_rnn函數，那麼這個換位就不再需要了。 – bsautermeister

在像您這樣的場景中，我們通常會將第二維（time_steps或輸入長度）設置爲常數（例如句子的最大長度），並且直接使用填充或零填充空格。然後你可以設置佔位符爲：

x = tf.placeholder(tf.int32, [None, max_input_steps]) 
y = tf.placeholder(tf.int32, [None, nax_output_steps])

來源

2017-10-31 11:30:51 lerner

如何在非確定性數組大小的佔位符中設置形狀

回答

相關問題