tensorflow学习之MultiRNNCell详解

tf.contrib.rnn.MultiRNNCell

Aliases:

• Class tf.contrib.rnn.MultiRNNCell
• Class tf.nn.rnn_cell.MultiRNNCell

由多个简单的cells组成的RNN cell。用于构建多层循环神经网络。

__init__(     cells,     state_is_tuple=True )

参数：

• cells:RNNCells的list。
• state_is_tuple:如果为True，接受和返回的states是n-tuples，其中n=len(cells)。如果为False，states是concatenated沿着列轴.后者即将弃用。

代码实例：

import tensorflow as tf



batch_size=10

depth=128

inputs=tf.Variable(tf.random_normal([batch_size,depth]))

previous_state0=(tf.random_normal([batch_size,100]),tf.random_normal([batch_size,100]))

previous_state1=(tf.random_normal([batch_size,200]),tf.random_normal([batch_size,200]))

previous_state2=(tf.random_normal([batch_size,300]),tf.random_normal([batch_size,300]))

num_units=[100,200,300]

print(inputs)

cells=[tf.nn.rnn_cell.BasicLSTMCell(num_unit) for num_unit in num_units]

mul_cells=tf.nn.rnn_cell.MultiRNNCell(cells)



outputs,states=mul_cells(inputs,(previous_state0,previous_state1,previous_state2))

print(outputs.shape) #(10, 300)

print(states[0]) #第一层LSTM

print(states[1]) #第二层LSTM

print(states[2]) ##第三层LSTM

print(states[0].h.shape) #第一层LSTM的h状态,(10, 100)

print(states[0].c.shape) #第一层LSTM的c状态,(10, 100)

print(states[1].h.shape) #第二层LSTM的h状态,(10, 200)