在 Tensorflow 的每次训练中更改批量大小答案

【问题标题】：Change batch size in each training in Tensorflow在 Tensorflow 的每次训练中更改批量大小
【发布时间】：2017-11-17 13:16:02
【问题描述】：

我正在尝试在 tensorflow 中实现一个简单的 LSTM 模型。我将句子行作为字符数组作为输入。

示例输入：

['Y', 'â', 'r', 'â', 'b', ' ', 'n', 'e', ' ', 'i', 'n', 't', 'i', 'z', 'â', 'r', 'd', 'ı', 'r', ' ', 'b', 'u']

我尝试将这些输入输入到 lstm 的每个训练步骤。问题是句子的长度不是恒定的。一些句子长度可以是 20 和其他一些 22 或其他任何东西。

训练的一小部分：

x_input =  [dictionary[i]  for i in line]

x_input = np.reshape(np.array(x_input), [-1, n_input, 1])

onehot_out = np.zeros([output_size], dtype=float)
onehot_out[vezin] = 1.0
onehot_out = np.reshape(onehot_out, [1, -1])

_, acc, loss, onehot_pred = session.run([optimizer, accuracy, cost, pred],\
        feed_dict={x: x_input, y: onehot_out})

有没有办法在每个去皮步骤中更改输入大小？如果有不好用？

【问题讨论】：

标签： python tensorflow lstm rnn

【解决方案1】：

当我发布这个问题时，我刚开始RNN。其实答案很简单，如果有和我遇到同样问题的人，我就来回答。

解决方案是使用动态RNN。它允许您提供不同序列的输入，这对大多数RNN 模型非常重要。

Tensorflow 有一个动态 RNN 的实现，非常有用。更多信息请查看here。

【讨论】：