TensorFlow专题

1. tf.placeholder函数说明
2. TensorFlow中RNN实现的正确打开方式
3. 简单的Seq2Seq实现作对联

seq2seq中，需注意以下代码：
（1）生成source_int和target_int用到了字典的get()方法，source_letter_to_int[‘UNK’]表示找不到的键返回的默认值。

source_int = [[source_letter_to_int.get(letter, source_letter_to_int['<UNK>'])
               for letter in line] for line in source_data.split('\n')]
target_int = [[target_letter_to_int.get(letter, target_letter_to_int['<UNK>'])
               for letter in line] + [target_letter_to_int['<EOS>']] for line in target_data.split('\n')]

（2）next(get_batches())

(valid_targets_batch, valid_sources_batch, valid_targets_lengths, valid_sources_lengths) = next(
    get_batches(valid_target, valid_source, batch_size, source_letter_to_int['<PAD>'], target_letter_to_int['<PAD>']))

• 当训练数据不够一个batch_size的时候，next(get_batches())会报错StopIteration。改为如下代码虽能暂时解决，但当数据超过一个batch_size的时候，这里会陷入死循环：

 try:
     while True:
         (valid_targets_batch, valid_sources_batch, valid_targets_lengths, valid_sources_lengths) = next(
             get_batches(valid_target, valid_source, batch_size, source_letter_to_int['<PAD>'], target_letter_to_int['<PAD>']))
 except StopIteration:
     pass

• 所以要解决的是数据量不够的问题，使之达到好几个batch_size，不能为了数据委屈代码。

5. compute_gradients和apply_gradients原理浅析
6. tf.nn.dynamic_rnn的输出outputs和state含义
   另外一个简单明了的图： 学会区分RNN的output和state
7. tensorflow中 tf.reduce_mean函数
8. 图示BasicLSTMCell 单隐层和多隐层
9. 关于tf.nn.conv1d()
10. 一份快速完整的Tensorflow模型保存和恢复教程（译）
11. tf.gather_nd(params, indices, name=None)