如何将 3d Tensor 传递给 tensorflow RNN embedding_rnn_seq2seq

Question

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）

1. 获取序列的第一个值（标量）
2. 计算第一层 RNN 第一层嵌入单元输出
3. 计算第一层 RNN 第二层嵌入单元输出
4. 等等

但这是需要的：

1. 获取序列的第一个值（向量）
2. 计算第一层RNN 第一层单元输出（当输入为向量时作为普通计算简单感知器）
3. 计算第一层RNN第二层嵌入单元输出（当输入为向量时作为普通计算简单感知器）

Answer 1

重点是：seq2seq在自己内部进行词嵌入。 这是reddit问答

此外，如果 smbd 想要使用预训练的 Word2Vec，有一些方法可以做到，请参阅：

• 堆栈溢出 1
• 堆栈溢出 2

所以这不仅可以用于词嵌入