了解 Tensorflow LSTM 模型输入？

我在理解 TensorFlow 中的 LSTM 模型时遇到一些困难。

我用tflearn http://tflearn.org/作为包装器，因为它自动完成所有初始化和其他更高级别的工作。为了简单起见，我们考虑这个示例程序 https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py. Until line 42 https://github.com/tflearn/tflearn/blob/master/examples/nlp/lstm.py#L40, net = tflearn.input_data([None, 200])，很清楚会发生什么。您将数据集加载到变量中并使其具有标准长度（在本例中为 200）。在这种情况下，输入变量和 2 个类都转换为 one-hot 向量。

LSTM如何获取输入? 它通过多少个样本来预测输出？

什么是net = tflearn.embedding(net, input_dim=20000, output_dim=128)代表？

我的目标是复制 http://jeffdonahue.com/lrcn/中的活动识别数据集paper http://arxiv.org/abs/1411.4389。例如，我想输入一个 4096 个向量作为 LSTM 的输入，想法是取 16 个这样的向量，然后产生分类结果。我认为代码看起来像这样，但我不知道应该如何给出 LSTM 的输入。

from __future__ import division, print_function, absolute_import

import tflearn
from tflearn.data_utils import to_categorical, pad_sequences
from tflearn.datasets import imdb

train, val = something.load_data()
trainX, trainY = train #each X sample is a (16,4096) nd float64 
valX, valY = val #each Y is a one hot vector of 101 classes.

net = tflearn.input_data([None, 16,4096])
net = tflearn.embedding(net, input_dim=4096, output_dim=256)
net = tflearn.lstm(net, 256)
net = tflearn.dropout(net, 0.5)
net = tflearn.lstm(net, 256)
net = tflearn.dropout(net, 0.5)
net = tflearn.fully_connected(net, 101, activation='softmax')
net = tflearn.regression(net, optimizer='adam',
                         loss='categorical_crossentropy')

model = tflearn.DNN(net, clip_gradients=0., tensorboard_verbose=3)
model.fit(trainX, trainY, validation_set=(testX, testY), show_metric=True,
          batch_size=128,n_epoch=2,snapshot_epoch=True)

基本上，lstm 获取一个单元格的向量大小：

lstm = rnn_cell.BasicLSTMCell(lstm_size, forget_bias=1.0)

那么，你想要喂多少个时间序列？这取决于你的喂食载体。中的数组数量X_split决定时间步数：

X_split = tf.split(0, time_step_size, X)
outputs, states = rnn.rnn(lstm, X_split, initial_state=init_state)

在你的例子中，我猜lstm_size是 256，因为它是一个单词的向量大小。这time_step_size将是训练/测试句子中的最大字数。

请看这个例子：https://github.com/nlintz/TensorFlow-Tutorials/blob/master/07_lstm.py https://github.com/nlintz/TensorFlow-Tutorials/blob/master/07_lstm.py