ValueError异常：试图共享可变ENCO/gru_cell /门/内核，但指定形状（512，512），并发现形状（356，512）

Question

我遇到错误我更新我的tensorflow-GPU 1.2.1之后。 我用编码 - 解码结构，编码的代码部分是：

output, state = tf.nn.dynamic_rnn(cell=self.cell, 
           inputs=logits, 
           sequence_length=self.en_len, 
           dtype=tf.float32, 
           scope='enco') 

和解码是：

output, _ = tf.nn.dynamic_rnn(cell=self.cell, 
             inputs=deco_inputs, 
             sequence_length=self.de_len, 
             initial_state=init_state, 
             dtype=tf.float32, 
             scope='deco') 

然后，我接收到错误。隐藏单元 Num是256，embeding大小为100，检查错误，我删除multiRNN和使用单GRU细胞与：

RNN = tf.contrib.rnn.GRUCell(HIDDEN_UNITs) 

以下是完整的错误：

ValueError: Trying to share variable enco/gru_cell/gates/kernel, but specified shape (512, 512) and found shape (356, 512). 

PS。这个错误在版本1.0.1中从未发生过。

Answer 1

当您使用MultiRNNCell这个问题通常只会出现，但在你的情况下，它甚至有一个单细胞，因为你有 RNNs发生。简而言之，从TensorFlow 1.2开始，RNN小区不应该用于RNN的不同层或不同的RNN。如果您想为每个RNN使用单个GRUCell，则需要调用构造函数两次以使两个不同的实例通过。如果您使用的是MultiRNNCell，那么您应该有两个，但每个层上也有一个GRUCell的实例。所以：

# This is doubly wrong! 
# self.cell = tf.contrib.rnn.MultiRNNCell(
#  [tf.contrib.rnn.GRUCell(HIDDEN_UNITs)] * NUM_LAYERS) 

# Also wrong 
# self.cell_encoder = tf.contrib.rnn.MultiRNNCell(
#  [tf.contrib.rnn.GRUCell(HIDDEN_UNITs)] * NUM_LAYERS) 
# self.cell_decoder = tf.contrib.rnn.MultiRNNCell(
#  [tf.contrib.rnn.GRUCell(HIDDEN_UNITs)] * NUM_LAYERS) 

# Still wrong 
# self.cell = tf.contrib.rnn.MultiRNNCell(
#  [tf.contrib.rnn.GRUCell(HIDDEN_UNITs) for _ in range(NUM_LAYERS)]) 

# This is the way to go! 
self.cell_encoder = tf.contrib.rnn.MultiRNNCell(
    [tf.contrib.rnn.GRUCell(HIDDEN_UNITs) for _ in range(NUM_LAYERS)]) 
self.cell_decoder = tf.contrib.rnn.MultiRNNCell(
    [tf.contrib.rnn.GRUCell(HIDDEN_UNITs) for _ in range(NUM_LAYERS)]) 

然后你建立你RNNs：

output_encoder, state_encoder = \ 
    tf.nn.dynamic_rnn(cell=self.cell_encoder, 
         inputs=logits, 
         sequence_length=self.en_len, 
         dtype=tf.float32, 
         scope='enco') 
output_decoder, _ = tf.nn.dynamic_rnn(cell=self.cell_decoder, 
             inputs=deco_inputs, 
             sequence_length=self.de_len, 
             initial_state=init_state, 
             dtype=tf.float32, 
             scope='deco')