0
我在Tensorflow平台上学习基于LSTM的seq2seq模型。我可以在给定的简单seq2seq示例上训练模型。然而,在我必须从给定序列中同时学习两个序列(例如:同时学习当前序列的前一个序列和下一个序列)的情况下,我们如何做到这一点,即,计算组合误差从这两个序列和backpropogate相同的错误两个序列?如何通过Tensorflow/TFLearn中的LSTM同时学习两个序列?
这里的代码段,我现在用的是LSTM代码(主要来自PTB例如采取:https://github.com/tensorflow/tensorflow/blob/master/tensorflow/models/rnn/ptb/ptb_word_lm.py#L132):
output = tf.reshape(tf.concat(1, outputs), [-1, size])
softmax_w = tf.get_variable("softmax_w", [size, word_vocab_size])
softmax_b = tf.get_variable("softmax_b", [word_vocab_size])
logits = tf.matmul(output, softmax_w) + softmax_b
loss = tf.nn.seq2seq.sequence_loss_by_example(
[logits],
[tf.reshape(self._targets, [-1])],
[weights])
self._cost = cost = tf.reduce_sum(loss)/batch_size
self._final_state = state
self._lr = tf.Variable(0.0, trainable=False)
tvars = tf.trainable_variables()
grads, _ = tf.clip_by_global_norm(tf.gradients(cost, tvars),config.max_grad_norm)
optimizer = tf.train.GradientDescentOptimizer(self.lr)
self._train_op = optimizer.apply_gradients(zip(grads, tvars))
是的,我需要一个编码器和多个解码器。我猜测为什么这个功能保存在'test'文件夹中。就目前而言,我的成本只是按照您的建议将所有序列的成本累加起来。 – user3480922