TensorFlow：简单的循环神经网络答案

【问题标题】：TensorFlow: simple recurrent neural networkTensorFlow：简单的循环神经网络
【发布时间】：2016-08-18 06:17:04
【问题描述】：

我已经使用 TensorFlow 构建了一些神经网络，例如基本的 MLP 和卷积神经网络。现在我想继续讨论循环神经网络。但是，我在自然语言处理方面没有经验。因此，RNN 的 TensorFlow NLP 教程对我来说并不容易阅读（也不是很有趣）。

基本上我想从简单的东西开始，而不是 LSTM。

如何在 TensorFlow 中构建简单的循环神经网络，例如 Elman 网络？

我只能找到用于 TensorFlow 的 GRU 或 LSTM RNN 示例，主要用于 NLP。有谁知道 TensorFlow 的一些简单的循环神经网络教程或示例？

此图显示了一个基本的 Elman 网络，通常简称为 SRN（简单循环网络）：

【问题讨论】：

标签： python neural-network tensorflow recurrent-neural-network

【解决方案1】：

一种选择是使用位于tensorflow/python/ops/rnn_cell.py 的内置RNNCell。

如果您不想这样做，您可以制作自己的 RNN。 RNN 将使用反向传播随着时间的推移进行训练。尝试将网络展开固定数量的步骤，例如考虑长度为 10 的输入序列。然后，您可以在 python 中编写一个循环来为网络的每个步骤执行所有矩阵乘法。每次您都可以获取上一步的输出并将其与该步骤的输入连接起来。完成这项工作不会有太多的代码行。

【讨论】：

我尝试使用 RNN Cell 构建一些东西，但并没有真正成功。当我提供一个 numpy 数组或列表时，我总是以 raise TypeError("inputs must be a list") 或 TypeError: unhashable type: 'list' 结尾。此外，state 到底是干什么用的？我认为它是上下文层之外的最新向量，但是为什么这需要一个明确的2D Tensor with shape [batch_size x self.state_size] 然后（根据文档）？你能举个例子吗？
是的，状态是最近的上下文向量。通常，您会批量处理多个序列。所以二维张量是批次中每个序列的状态向量。
github.com/rajarsheem/playing-with-RNNs/blob/master/… 看看这个。如果您需要解释，请在此处创建问题。