tensorflow:用dynamic_rnn处理不定长序列，对序列做padding处理

1. 数据处理（padding zero）

首先，我有一个list类型的数据集，按最长将序列的长度存储，不足长度的后面padding zero。将数据集存为ndarray类型的矩阵：

import numpy as np
 
 

  
  
​

dataset = [[[1], [2], [3], [4]],            # list类型的数据集，有4个序列, feature_dim=1
           [[2], [4], [1]], 
           [[5], [2], [7], [3], [8]],
           [[9], [7]]] 
​
feature_dim = 1
num_samples = len(dataset)          # 序列的个数。输出：4
lengths = [len(s) for s in dataset] # 获取每个序列的长度。输出：[4, 3, 5, 2]
max_length = max(lengths)           # 最长序列的长度。输出：5
​
padding_dataset = np.zeros([num_samples, max_length, feature_dim]) # 生成一个全零array来存放padding后的数据集
​
for idx, seq in enumerate(dataset): # 将序列放入array中（相当于padding成一样长度）
    padding_dataset[idx, :len(seq), :] = seq
​
print(padding_dataset) # <type 'numpy.ndarray'>
​

   
   


   
   


    
    
[[[ 1.]
  [ 2.]
  [ 3.]
  [ 4.]
  [ 0.]]

 [[ 2.]
  [ 4.]
  [ 1.]
  [ 0.]
  [ 0.]]

 [[ 5.]
  [ 2.]
  [ 7.]
  [ 3.]
  [ 8.]]

 [[ 9.]
  [ 7.]
  [ 0.]
  [ 0.]
  [ 0.]]]


   
   


如果已知padding的数据，想知道去掉零以后实际这批序列的长度，参考Variable Sequence Lengths in TensorFlow 里的Computing the Sequence Length一节。





2. 用dynamic_rnn运行数据
outputs, last_states = tf.nn.dynamic_rnn(
    cell=cell,
    inputs=padding_dataset,
    sequence_length=lengths)