TensorFlow dynamic_rnn输入以进行回归

Question

我被困试图将现有的张量流序列转换为序列分类器到回归器。

目前，我一直在处理tf.nn.dynamic_rnn()的输入。 根据文档和其他答案，输入应为(batch_size, sequence_length, input_size)的形状。 但是我的输入数据只有两个维度： (sequence_length, batch_size) 。

原始解决方案使用tf.nn.embedding_lookup()作为将输入提供给dynamic_rnn()的中间步骤。 如果我理解正确，我认为我不需要此步骤，因为我正在研究回归问题，而不是分类问题。

我需要embedding_lookup步骤吗？ 如果是这样，为什么？ 如果没有，如何将我的encoder_inputs直接放入dynamic_rnn() ？

以下是该总体思路的一个可行的最小化示例：

import numpy as np
import tensorflow as tf

tf.reset_default_graph()
sess = tf.InteractiveSession()

PAD = 0
EOS = 1
VOCAB_SIZE = 10 # Don't think I should need this for regression?
input_embedding_size = 20

encoder_hidden_units = 20
decoder_hidden_units = encoder_hidden_units

LENGTH_MIN = 3
LENGTH_MAX = 8
VOCAB_LOWER = 2
VOCAB_UPPER = VOCAB_SIZE
BATCH_SIZE = 10

def get_random_sequences():
    sequences = []
    for j in range(BATCH_SIZE):
        random_numbers = np.random.randint(3, 10, size=8)
        sequences.append(random_numbers)
    sequences = np.asarray(sequences).T
    return(sequences)

def next_feed():
    batch = get_random_sequences()

    encoder_inputs_ = batch
    eos = np.ones(BATCH_SIZE)
    decoder_targets_ = np.hstack((batch.T, np.atleast_2d(eos).T)).T
    decoder_inputs_ = np.hstack((np.atleast_2d(eos).T, batch.T)).T

    #print(encoder_inputs_)
    #print(decoder_inputs_)

    return {
        encoder_inputs: encoder_inputs_,
        decoder_inputs: decoder_inputs_,
        decoder_targets: decoder_targets_,
    }

### "MAIN"

# Placeholders
encoder_inputs = tf.placeholder(shape=(LENGTH_MAX, BATCH_SIZE), dtype=tf.int32, name='encoder_inputs')
decoder_targets = tf.placeholder(shape=(LENGTH_MAX + 1, BATCH_SIZE), dtype=tf.int32, name='decoder_targets')
decoder_inputs = tf.placeholder(shape=(LENGTH_MAX + 1, BATCH_SIZE), dtype=tf.int32, name='decoder_inputs')

# Don't think I should need this for regression problems
embeddings = tf.Variable(tf.random_uniform([VOCAB_SIZE, input_embedding_size], -1.0, 1.0), dtype=tf.float32)
encoder_inputs_embedded = tf.nn.embedding_lookup(embeddings, encoder_inputs)
decoder_inputs_embedded = tf.nn.embedding_lookup(embeddings, decoder_inputs)

# Encoder RNN
encoder_cell = tf.contrib.rnn.LSTMCell(encoder_hidden_units)
encoder_outputs, encoder_final_state = tf.nn.dynamic_rnn(
    encoder_cell, encoder_inputs_embedded, # Throws 'ValueError: Shape (8, 10) must have rank at least 3' if encoder_inputs is used
    dtype=tf.float32, time_major=True,
)

# Decoder RNN
decoder_cell = tf.contrib.rnn.LSTMCell(decoder_hidden_units)
decoder_outputs, decoder_final_state = tf.nn.dynamic_rnn(
    decoder_cell, decoder_inputs_embedded, 
    initial_state=encoder_final_state,
    dtype=tf.float32, time_major=True, scope="plain_decoder",
)
decoder_logits = tf.contrib.layers.linear(decoder_outputs, VOCAB_SIZE)
decoder_prediction = tf.argmax(decoder_logits, 2)

# Loss function
loss = tf.reduce_mean(tf.squared_difference(decoder_logits, tf.one_hot(decoder_targets, depth=VOCAB_SIZE, dtype=tf.float32)))
train_op = tf.train.AdamOptimizer().minimize(loss)


sess.run(tf.global_variables_initializer())

max_batches = 5000
batches_in_epoch = 500

print('Starting train')
try:
    for batch in range(max_batches):
        feed = next_feed()
        _, l = sess.run([train_op, loss], feed)

        if batch == 0 or batch % batches_in_epoch == 0:
            print('batch {}'.format(batch))
            print('  minibatch loss: {}'.format(sess.run(loss, feed)))
            predict_ = sess.run(decoder_prediction, feed)
            for i, (inp, pred) in enumerate(zip(feed[encoder_inputs].T, predict_.T)):
                print('  sample {}:'.format(i + 1))
                print('    input     > {}'.format(inp))
                print('    predicted > {}'.format(pred))
                if i >= 2:
                    break
            print()
except KeyboardInterrupt:
    print('training interrupted')

我在这里已经阅读了关于stackoverflow的类似问题，但是我仍然对如何解决这个问题感到困惑。

编辑：我想我应该澄清一下上面的代码效果很好，但是真正想要的输出应该模拟一个嘈杂的信号（例如，文本到语音），这就是为什么我认为我需要连续的输出值而不是单词或字母的原因。

Answer 1

如果您尝试连续进行操作，为什么不将输入占位符重塑为[BATCH, TIME_STEPS, 1]的形状[BATCH, TIME_STEPS, 1]并通过tf.expand_dims(input, 2)在输入中添加一个额外的尺寸。 这样，您的输入将符合dynamic_rnn期望的尺寸（实际上，在您的情况下，因为您正在执行time_major=True您的输入应为[TIME_STEPS, BATCH, 1])形状[TIME_STEPS, BATCH, 1])

我很想知道您接下来将如何处理将输出尺寸从像元大小切换为1的操作。

decoder_logits = tf.contrib.layers.linear(decoder_outputs, VOCAB_SIZE)

但是，由于您不再进行分类，因此VOCAB_SIZE仅为1？ 几天前我在这里问了类似的问题，但没有得到任何回应。 我这样做（使用1），但是不确定是否合适（似乎是在实践中进行排序，但不是很完美）。