关于bidirectional_dynamic_rnn出现 Dimensions of inputs should match问题

最新推荐文章于 2022-07-14 10:49:56 发布

junjie20082008

最新推荐文章于 2022-07-14 10:49:56 发布

阅读量4.4k

点赞数 2

分类专栏：深度学习 python tenforflow 算法 BIRNN LSTM 文章标签： tensorflow BIRNN 深度学习

本文链接：https://blog.csdn.net/junjie20082008/article/details/85762266

版权

在使用tensorflow的bidirectional_dynamic_rnn时遇到Dimensions of inputs should match错误。问题可能与initial_state_FW和initial_state_BW设置有关。不设置initial_state时，模型运行正常。进一步研究和解决方案待补充。

摘要由CSDN通过智能技术生成

在搭建双向BIRNN模型的时候，调用tensorflow自动展开函数bidirectional_dynamic_rnn(cell_fw, cell_bw, data, dtype=tf.float32)时候出现异常：InvalidArgumentError (see above for traceback): ConcatOp : Dimensions of inputs should match: shape[0] = [5,60] vs. shape[1] = [100,10]
[[node bidirectional_rnn/bw/bw/while/lstm_cell/concat (defined at F:/Python/NLP/BiRNN.py:28) = ConcatV2[N=2, T=DT_FLOAT, Tidx=DT_INT32, _device="/job:localhost/replica:0/task:0/device:CPU:0"](bidirectional_rnn/bw/bw/while/TensorArrayReadV3, bidirectional_rnn/bw/bw/while/Switch_4:1, bidirectional_rnn/bw/bw/while/lstm_cell/split/split_dim)]]

下面就来看下tensorflow中已经集成的 tf.nn.bidirectional_dynamic_rnn() 函数。似乎双向的暂时只有这一个动态的RNN方法，不过想想也能理解，这种结构暂时也只会在encoder端出现，无论你的输入是pad到了定长或者是不定长的，动态RNN都是可以处理的。具体的定义如下：

tf.nn.bidirectional_dynamic_rnn(
cell_fw,
cell_bw,
inputs,
sequence_length=None,

最低0.47元/天解锁文章

junjie20082008

关注

2
点赞
踩
1

收藏

觉得还不错? 一键收藏
5
评论
关于bidirectional_dynamic_rnn出现 Dimensions of inputs should match问题

在搭建双向BIRNN模型的时候，调用tensorflow自动展开函数bidirectional_dynamic_rnn(cell_fw, cell_bw, data, dtype=tf.float32)时候出现异常：InvalidArgumentError (see above for traceback): ConcatOp : Dimensions of inputs should match...
复制链接

扫一扫

专栏目录