lstm 变长序列_如何在TensorFlow中处理具有可变长度序列的批次？

您可以使用描述中的bucketing和padding的想法

创建RNN网络的rnn函数也接受参数sequence_length .

例如，您可以创建相同大小的数据桶，用必要数量的零填充它们，或者代表零字的placeholdres，然后将它们与seq_length = len(zero_words)一起提供 .

seq_length = tf.placeholder(tf.int32)

outputs, states = rnn.rnn(cell, inputs,initial_state=initial_state,sequence_length=seq_length)

sess = tf.Session()

feed = {

seq_lenght: 20,

#other feeds

}

sess.run(outputs, feed_dict=feed)

在这里，最重要的是，如果你想利用一个句子获得的状态作为下一个句子的状态，当你提供sequence_length时，(假设20和填充后的句子是50) . 你想要在第20步获得的状态 . 为此，做

tf.pack(states)

那个电话之后

for i in range(len(sentences)):

state_mat = session.run([states],{

m.input_data: x,m.targets: y,m.initial_state: state, m.early_stop:early_stop })

state = state_mat[early_stop-1,:,:]