1、seq2seq.py的两个重要的库函数
1) outputs, states = basic_rnn_seq2seq(encoder_inputs, decoder_inputs, cell,dtype=dtypes.float32,scope=None)
输入参数 :
encoder_inputs: 它是一个二维tensor构成的列表对象,其中每一个二维tensor代表某一时刻的输入,其尺寸为[batch_size x input_size],这里的batch_size具体指某一时刻输入的单词个数,input_size指encoder的长度;
decoder_inputs:它是一个二维tensor构成的列表对象,其中每一个二维tensor代表某一时刻的输入,其尺寸为[batch_size x output_size],这里的 batch_size具体指某一时刻输入的单词个数,output_size指decoder的长度;
cell: 它是一个rnn_cell.RNNCell或者multi-layer-RNNCell对象,其中定义了cell函数和hidden units的个数;
dtype: 初始化RNN cell状态的类型,默认为tf.float32;
scope:variablescope for the created subgraph,默认为“basic_rnn_seq2seq”;
输出参数 :
outputs: 它是一个二维tensor构成的列表对象,其中每一个二维tensor代表某一时刻输出,其尺寸为[batch_size x output_size],这里的 batch_size具体指某一时刻输入的单词个数,output_size指decoder的长度;
state: 它是一个二维tensor,表示每一个decoder cell在最后的time-step的状态,其尺寸为[batch_size x cell.state_size],这里的cell.state_size可以表示一个或者多个子cell的状态,视输入参数cell而定;
2) outputs, states = embedding_attention_seq2seq(encoder_inputs, decoder_inputs, …)
输入参数 :
encoder_inputs: 与上面的基本函数,它是一个一维tensor构成的列表对象,其中每一个一维tensor的尺寸为[batch_size],代表某一时刻的输入;
decoder_inputs: 与encoder_inputs的解释类似;
cell: 它是一个rnn_cell.RNNCell或者multi-layer-RNNCell对象,其中定义了cell函数和hidden u