在 tensorflow 中创建多层循环神经网络答案

【问题标题】：Creating multi-layer recurrent neural network in tensorflow在 tensorflow 中创建多层循环神经网络
【发布时间】：2017-01-06 04:25:18
【问题描述】：

我正在尝试在 tensorflow 中创建一个带有 GRU 单元（以及 LSTM 单元）的多层循环神经网络。我查看了多个来源，包括官方教程。但我一直看到多层 RNN 的以下模式（此处显示为 GRU 单元）。

cell = GRUCell(num_neurons)  # Or LSTMCell(num_neurons)
cell = DropoutWrapper(cell, output_keep_prob=dropout)
cell = MultiRNNCell([cell] * num_layers)

此代码 sn-p 取自 RNN Tensorflow Introduction。我对[cell] * num_layers 的理解是同一个对象cell 在列表中被引用num_layer 次。所以，MultiRNNCell 不会创建一个深度网络，其中每一层的权重与前一层相同。如果有人能澄清这里到底发生了什么，那将是非常有见地的。

【问题讨论】：

最初，是的。 GRU / LSTM 单元的每层权重相同。但是随着神经网络的学习，这些权重应该被更新。这就是为什么当你创建一个堆叠的 RNN (GRU / LSTM) 时，你必须有tf.nn.dynamic_rnn(cell, x, initial_state=Hin)。据我了解，Hin 将携带 GRU / LSTM 单元的状态，这意味着它还具有每层的权重。

标签： tensorflow recurrent-neural-network lstm gated-recurrent-unit

【解决方案1】：

我假设您已经充分了解 TensorFlow 的概念和执行模型。如果没有，请查看 tensorflow.org 上的教程，尤其是变量一。

GRUCell 的构造函数不会向 Graph 添加任何节点。只有当您调用实例（即 cell()）时，变量和操作才会被添加到图中。当 MultiRNNCell 被调用时，它将在调用子层之前创建不同的变量范围。这样每一层都有自己的变量。

【讨论】：