[英]How to pass 3d Tensor to tensorflow RNN embedding_rnn_seq2seq
我正在尝试提供每个世界都有 word2vec 表示的句子。 我怎样才能在 tensorflow seq2seq 模型中做到这一点?
假设变量
enc_inp = [tf.placeholder(tf.int32, shape=(None,10), name="inp%i" % t)
for t in range(seq_length)]
其中有维度 [num_of_observations 或 batch_size x word_vec_representation x sentense_lenght]。
当我将它传递给 embedding_rnn_seq2seq
decode_outputs, decode_state = seq2seq.embedding_rnn_seq2seq(
enc_inp, dec_inp, stacked_lstm,
seq_length, seq_length, embedding_dim)
发生错误
ValueError: Linear is expecting 2D arguments: [[None, 10, 50], [None, 50]]
还有一个更复杂的问题我如何将一个向量作为输入,而不是一个标量到我的 RNN 的第一个单元格?
现在它看起来像(当我们关于任何序列时)
但这是需要的:
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.