我有一个张量,需要使用张量流 LSTM/RNN 预测序列中的下一个元素,同时考虑到前 5 个元素。我应该向 X 和 Y 输入什么?
从 1 2 3 4 5,我想预测 6
假设我的输入序列 X 是:
X = 1 2 3 4 5
6 7 8 9 10
11 12 13 14 15
...
我的 Y 会是:
Y = 2 3 4 5 6
7 8 9 10 11
12 13 14 15 16
... ?
或者我应该喂它:
X = 1 2 3 4 5
2 3 4 5 6
3 4 5 6 7
....
我的 Y 会是:
Y = 6
7
8
... ?
或者 TensorFlow 会自动执行此操作吗?
我现在使用第一种方法,受到教程的启发,其中:
x = tf.placeholder(tf.int32, [None, num_steps], name='input_placeholder')
y = tf.placeholder(tf.int32, [None, num_steps], name='labels_placeholder')
rnn_outputs = tf.reshape(rnn_outputs, [-1, state_size])
y_reshaped = tf.reshape(y, [-1])
logits = tf.matmul(rnn_outputs, W) + b
predictions = tf.nn.softmax(logits)
total_loss = tf.reduce_mean(tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y_reshaped))
如果我要求预测(在实际代码中,时间步长为 16,类数为 14313,对此表示抱歉):
prevSlice = np.array([[1, 2 , 3 , 4, 5, 6 ,7, 8, 9 ,10, 11, 12, 13, 14, 15, 16]], dtype=np.string_)
feed_dict={g['x']: prevSlice}
preds, state = sess.run([g['preds'],g['final_state']], feed_dict)
我得到的 15 个预测太多了。或者说我该如何解读这些?我不需要预测接下来的 16 个切片,只需预测下一个切片。