多层RNN的定义与理解

wzg2016

关注

原创最新推荐文章于 2026-03-27 03:34:00 发布 3.9k 阅读 AI 写同款· GEO 优化 ›

循环神经网络(RNN) 循环神经网络(RNN) 文章目录循环神经网络(RNN)注意！！！！！！！RNN模型的作用为什么要使用RNN而不是用MLP？RNN输入与输出RNN模型简单RNN模型LSTM(Long Short-Term Memory)长短期记忆模型GRU(Gated Recurrent Units)参考视频注意！！！！！！！博主第一次发布的文章有点生疏，写得不够好，没有考虑到一些图片的大小以及一些小细节，本次文章主要是当成博主自己的心得笔记，如果能帮助到大家那更好，大伙嘴下留情啊！！！！！！！在文章的最后有参考视频，阅读详情

代码：


import tensorflow as tf
import numpy as np

def get_a_cell():
    ### 128 是 状态矢量的长度
    return tf.nn.rnn_cell.BasicRNNCell(num_units=128)
cell = tf.nn.rnn_cell.MultiRNNCell([get_a_cell() for _ in range(3)])

print(cell.state_size)

## 32 是 batch_size ,100 是 inputs 矢量的长度
inputs = tf.placeholder(np.float32,shape=(32,100))
h0 = cell.zero_state(32,np.float32) ## 通过zero_state得到一个全0的初始状态（只需给出状态的矢量长度即可，因为状态肯定是矢量）

output,h1 = cell(inputs,h0)
print(output)
print(h1)

输出：

(128, 128, 128)
Tensor("multi_rnn_cell/cell_2/basic_rnn_cell/Tanh:0", shape=(32, 128), dtype=float32)
(
<tf.Tensor 'multi_rnn_cell/cell_0/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>, 
<tf.Tensor 'multi_rnn_cell/cell_1/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>, 
<tf.Tensor 'multi_rnn_cell/cell_2/basic_rnn_cell/Tanh:0' shape=(32, 128) dtype=float32>
)

收录于