直接看**
def create_cell():
cell = rnn.lstmcell(num_units)
rnn_cell = rnn.multirnncell([create_cell() for _ in range(2)])
output, states = tf.nn.dynamic_rnn(rnn_cell, x, dtype=tf.float32)
tf.nn.dynamic_rnn(
cell,
inputs,
sequence_length=none,
initial_state=none,
dtype=none,
parallel_iterations=none,
swap_memory=false,
time_major=false,
scope=none
)
cell：一種rnn 的cell，本例項中傳入了乙個多層的rnncell，每層cell的基本單元是lstmcell，並且使用了dropout
inputs：輸入資料
如果 time_major == false (default)
input的形狀必須為 [batch_size, max_time, embed_size]
如果 time_major == true
input輸入的形狀必須為 [max_time, batch_size, embed_size]
其中batch_size是批大小，max_time是每個序列的大小，而embed_size是序列裡面每個分量的大小
返回的是乙個元組 (outputs, state)
outputs：rnn的最後一層的輸出，是乙個tensor
如果為time_major== false，則shape [batch_size,max_time,cell.output_size]。如果為time_major== true，則shape： [max_time,batch_size,cell.output_size]。cell.output_size就是num_units
state: rnn最後時間步的state,如果cell.state_size是乙個整數(一般是單層的rnncell)，則state的shape:[batch_size，cell.state_size]。如果它是乙個元組(一般這裡是 多層的rnncell)，那麼它將是乙個具有相應形狀的元組。注意：如果若rnncell是 lstmcells，則state將為每層cell的lstmstatetuple的元組tuple(lstmstatetuple,lstmstatetuple,lstmstatetuple)
Tensorflow專案構建流程
參考部落格 整理 一。訓練階段 1.tensorflow打包資料 2 採用tfrecoder進行高效資料讀取 2.網路架構與訓練 經過上面的資料格式處理，接著我們只要寫一寫網路結構，網路優化方法，把資料搞進網路中就可以 3.視覺化顯示 二。測試階段 直接通重載入圖模型，讀取引數等，然後直接通過ten...
使用tensorflow構建電影推薦系統
1 蒐集資料集 2 準備資料 import pandas as pd import numpy as np import tensorflow as tf ratings df pd.read csv c users administrator pycharmprojects myproject m...
tensorflow1 構建線性模型
x是給定的輸入資料 使用tensorflow構建乙個模型，開始的時候，w和b全部給成0，讓其訓練，使其接近預設的模型。即讓w接近0.1，b接近0.2 import tensorflow as tf import numpy as np x data np.random.rand 100 y data...