LSTM 的输入应该是什么样子？答案

【问题标题】：How does the input to a LSTM should look like?LSTM 的输入应该是什么样子？
【发布时间】：2019-06-17 17:33:14
【问题描述】：

想象一下，您正在 tensorflow 中为序列分类任务训练 LSTM 模型。在每个时间步，您有一个二进制向量 v_i（例如，v_i=[0, 1, 0, 1]），并且对于每个序列，您有可变数量的时间步（尽管二进制向量 v_i 的长度是相等的）。

在 tensorflow 中训练 LSTM 模型时如下：

lstm_cell=tf.nn.rnn_cell.LSTMCell(number_of_hidden) 
tf.contrib.rnn.static_rnn (lstm_cell, training_data)

单个训练序列（具有三个时间步长，v_1=[0, 1, 0, 1]、v_2=[1, 1, 1, 0] 和 v_3=[0, 0, 1, 1]）应该看起来像

[[0, 1, 0, 1], [1, 1, 1, 0], [0, 0, 1, 1]]

或

[[0], [1], [0], [1], [1], [1], [1], [0], [0], [0], [1], [1]]

还是别的什么？

我对 LSTMCell 在每个时间步如何处理输入有点困惑。

【问题讨论】：

static_rnn 的输入形状为[timesteps,batch_size, features]。这是形状为[batch_size, features] 的二维张量的列表。你可以参考stackoverflow.com/a/53947413/7389608。所以应该是[[[0, 1, 0, 1]], [[1, 1, 1, 0]], [[0, 0, 1, 1]]]。
谢谢，@giser_yugang！

标签： tensorflow lstm recurrent-neural-network

【解决方案1】：

在此处（回答部分）提供解决方案，即使它出现在评论部分中，也是为了社区的利益。

static_rnn 的输入形状是[timesteps,batch_size, features]。这是形状为[batch_size, features] 的二维张量的列表。你可以参考this。所以应该[[[0, 1, 0, 1]], [[1, 1, 1, 0]], [[0, 0, 1, 1]]]

【讨论】：