tensorflow1.0 LSTM实现

最新推荐文章于 2024-04-14 12:16:01 发布

m0_38103514

最新推荐文章于 2024-04-14 12:16:01 发布

阅读量1.4k

点赞数

分类专栏：基础知识文章标签： tensorflow lstm

本文链接：https://blog.csdn.net/m0_38103514/article/details/73504042

版权

本文档展示了如何在TensorFlow 1.0中使用LSTM。通过LSTM_single函数定义了LSTM单元，并在训练过程中用AdamOptimizer进行优化。代码中用到了变量num_step来调整序列长度，通过最小化预测值与目标值之间的平方误差来计算准确率。

摘要由CSDN通过智能技术生成

代码中num_step可以设置为需要的序列长度，常常为了梯度反传的方便将num_step设置为较小的值。

def LSTM_single( name, _X, _istate, _weights, _biases):

# input shape: (batch_size, n_steps, n_input)
_X = tf.transpose(_X, [1, 0, 2]) # permute num_steps and batch_size
# Reshape to prepare input to hidden activation
_X = tf.reshape(_X, [self.num_steps * self.batch_size, self.num_input]) # (num_steps*batch_size, num_input)
# Split data because rnn cell needs a list of inputs for the RNN inner loop
_X = tf.split(axis=0, num_or_size_splits=self.num_steps, value=_X) # n_steps * (batch_size, num_input)
#print("_X: ", _X)

#cell = tf.nn.rnn_cell.LSTMCell(self.num_input, self.num_input)
cell = tf.contrib.rnn.LSTMCell(self.num_input, state_is_tuple=False)
state = _istate
output