tf.nn.bidirectional_dynamic_rnn()函数详解

最新推荐文章于 2022-07-14 10:49:56 发布

酸辣螺丝粉

最新推荐文章于 2022-07-14 10:49:56 发布

阅读量7.4k

点赞数 6

CC 4.0 BY-SA版权

分类专栏：自然语言处理文章标签： Tensorflow 自然语言处理

本文链接：https://blog.youkuaiyun.com/zhylhy520/article/details/86364789

最近在做一些文本分类问题过程中，频繁使用Bilstm，对于tf.nn.bidirectional_dynamic_rnn()函数使用较多，笔者在之前介绍过tf.nn.dynamic_rnn()函数，在此基础上，参考https://blog.youkuaiyun.com/wuzqChom/article/details/75453327和https://blog.youkuaiyun.com/taolusi/article/details/81232210两篇博客，结合自身理解对tf.nn.bidirectional_dynamic_rnn()函数进行详细解释。

首先我们了解一下函数的参数

bidirectional_dynamic_rnn(
cell_fw, # 前向RNN
cell_bw, # 后向RNN
inputs, # 输入
sequence_length=None,# 输入序列的实际长度（可选，默认为输入序列的最大长度）
initial_state_fw=None,  # 前向的初始化状态（可选）
initial_state_bw=None,  # 后向的初始化状态（可选）
dtype=None, # 初始化和输出的数据类型（可选）
parallel_iterations=None,
swap_memory=False, 
time_major=False, 
scope=None)

值得注意的是，当inputs的张量形状为[batch_size,max_len,embeddings_num]时，time_major = False。当inputs的形状为[max_len,batch_size,embeddings_num]时，time_major = True。一般我们将输入的格式为[batch_size,max_len,embeddings_num]，因此time_major的默认值为Fal