如何在张量流中为双向RNN使用可变批处理大小

Question

似乎tensorflow不支持双向RNN的可变批处理大小。 在此示例中， sequence_length绑定到batch_size ，后者是一个Python整数：

  _seq_len = tf.fill([batch_size], tf.constant(n_steps, dtype=tf.int64))
  outputs, state1,state2 = rnn.bidirectional_rnn(rnn_fw_cell, rnn_bw_cell, input,
                                    dtype="float",
                                    sequence_length=_seq_len)

如何使用不同的批次大小进行培训和测试？

Answer 1

双向代码可用于可变的批量大小。 例如，看一下下面的测试代码 ，它创建一个tf.placeholder(..., shape=(None, input_size)) （其中None表示批处理大小可以可变）。

您可以进行一些小的修改，即可将您的代码段转换为可使用可变的批处理大小：

# Compute the batch size based on the shape of the (presumably fed-in) `input`
# tensor. (Assumes that `input = tf.placeholder(..., shape=[None, input_size])`.)
batch_size = tf.shape(input)[0]

_seq_len = tf.fill(tf.expand_dims(batch_size, 0),
                   tf.constant(n_steps, dtype=tf.int64))
outputs, state1, state2 = rnn.bidirectional_rnn(rnn_fw_cell, rnn_bw_cell, input,
                                                dtype=tf.float32,
                                                sequence_length=_seq_len)