使用动态 rnn（洋红色）时出错：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]答案

【问题标题】：Error using dynamic rnn (magenta) : Dimensions of inputs should match: shape[0] = [1,38] vs. shape[1] = [128,512]使用动态 rnn（洋红色）时出错：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]
【发布时间】：2018-05-15 15:33:06
【问题描述】：

所以我从洋红色运行这段代码并进行了一些修改：

outputs, final_state = tf.nn.dynamic_rnn(
                self.cell,
                m_seq,
                sequence_length=lens,
                initial_state=initial_state,
                swap_memory=swap_memory,
                parallel_iterations=parallel_iterations)

其中self.cell 是具有两层的 MultiRNN 单元，m_seq 是一个热长度向量，形状为 [1,38]，state 是两个 LSTMStateTuple 和 c 的元组和h 具有形状 [128,512]（批量大小和层大小）。

当我运行它时，我得到：

InvalidArgumentError（有关回溯，请参见上文）：ConcatOp：输入的尺寸应匹配：shape[0] = [1,38] vs. shape[1] = [128,512]

现在我明白这意味着输入 m_seq 和状态不匹配。但是，两个维度都必须匹配（1 和 128、38 和 512）吗？我真的不明白为什么会这样。为什么它们必须完全匹配，因为这是一个动态 rnn。

【问题讨论】：

标签： python tensorflow magenta

【解决方案1】：

来自dynamic RNN docs：

前两个维度必须在所有输入中匹配，否则排名和其他形状组件可能会有所不同。

所以输入维度必须匹配，即使它是动态 RNN。

【讨论】：

指的是输入。我们只有一个输入，因此所有输入的维度都匹配。问题在于输入形状和状态形状之间。如果我遗漏了什么，请告诉我
你指的是state还是initial_state？
我指的是 intial_state

【解决方案2】：

ConcatOp : Dimensions of inputs should match

我相信这回答了我的问题。批量大小（第一个参数）必须匹配，但第二个（序列长度）不需要匹配，因为它是一个动态 RNN。在任何情况下，都可以使用占位符来采用不同的批量大小。

【讨论】：