Tensorflow dynamic_rnn 输入排名错误答案

【问题标题】：Tensorflow dynamic_rnn input rank errorTensorflow dynamic_rnn 输入排名错误
【发布时间】：2017-10-08 09:57:23
【问题描述】：

所以，我尝试在 tensorflow 中使用 rnn 来生成文本。但是，一旦我从 static_rnn 切换到 dynamic_rnn，我得到了这个错误：

File "/usr/local/lib/python3.5/dist-packages/tensorflow/python/framework/tensor_shape.py", line 654, in with_rank_at_least
    raise ValueError("Shape %s must have rank at least %d" % (self, rank))
ValueError: Shape (100, 5) must have rank at least 3

这是产生错误的代码部分：

inputs_series = self.input_layer()
with tf.variable_scope(constants.HIDDEN):
    self.hidden_state_placeholder = tf.placeholder(
        dtype=tf.float32, 
        shape=[self.settings.train.batch_size, self.settings.rnn.hidden_size],
        name="hidden_state_placeholder")
    cell = tf.contrib.rnn.GRUCell(self.settings.rnn.hidden_size)
    states_series, self.current_state = tf.nn.dynamic_rnn(
        cell=cell, 
        inputs=inputs_series,
        initial_state=self.hidden_state_placeholder)

inputs_series的形状为：(10, 5, 100)，对应（截断的文本长度，batch size，类数）

hidden_state_placeholder 的形状是 (5, 100) for (batch size, hidden state size)，但即使我不提供初始状态，错误仍然存在。

tensorflow 版本是 1.3，如果有帮助的话。

任何见解将不胜感激！

【问题讨论】：

标签： tensorflow recurrent-neural-network

【解决方案1】：

默认情况下，time_major == False 在tf.nn.dynamic_rnn 中，但您的inputs_series 是time_major == True。所以也许将最后一条语句更改为

states_series, self.current_state = tf.nn.dynamic_rnn(
    cell=cell, 
    inputs=inputs_series,
    initial_state=self.hidden_state_placeholder,
    time_major=True)

【讨论】：

抱歉回复晚了 - 我只是想试试这个，但这并没有解决问题 - 我收到了同样的错误消息。然而，这是我的代码中的一个合法错误，感谢您发现它！
inputs_series = self.input_layer() 我无法测试此语句，因此我将其替换为固定大小的变量（以及其他未知参数）。请打印inputs_series 的大小（例如print(inputs_series.get_shape())）。我想这可能有一些问题。
我打印出来了，然后弄明白了。我在self.input_layer() 中进行了tf.unstack() 操作，它将张量转换为10 个张量的列表。显然，这不适用于动态 rnn API。一旦我删除了 unstack 操作，一切都按预期工作。谢谢大家的建议！