如何使用 tensorflow 函数 tf.contrib.legacy_seq2seq.sequence_loss_by_example 的“权重”参数？

Question

代码：

import tensorflow as tf

A = tf.constant([[0.1,0.2,0.3,0.4],[0.2,0.1,0.4,0.3],[0.4,0.3,0.2,0.1],[0.3,0.2,0.1,0.4],[0.1,0.4,0.3,0.2]], dtype=tf.float32)
B = tf.constant([1, 2, 1, 3, 3], dtype=tf.int32)

w_1 = tf.constant(value=[1,1,1,1,1], dtype=tf.float32)
w_2 = tf.constant(value=[1,2,3,4,5], dtype=tf.float32)

D   = tf.contrib.legacy_seq2seq.sequence_loss_by_example([A], [B], [w_1])
D_1 = tf.contrib.legacy_seq2seq.sequence_loss_by_example([A], [B], [w_1], average_across_timesteps=False)
D_2 = tf.contrib.legacy_seq2seq.sequence_loss_by_example([A], [B], [w_2])
D_3 = tf.contrib.legacy_seq2seq.sequence_loss_by_example([A], [B], [w_2], average_across_timesteps=False)

with tf.Session() as sess:
  print(sess.run(D))
  print(sess.run(D_1))
  print(sess.run(D_2))
  print(sess.run(D_3))

结果是：

[1.4425355 1.2425355 1.3425356 1.2425356 1.4425356]

[1.4425355 1.2425355 1.3425356 1.2425356 1.4425356]

[1.4425355 1.2425355 1.3425356 1.2425356 1.4425356]

[1.4425355 2.485071  4.027607  4.9701424 7.212678 ]

我不明白为什么无论参数average_across_timesteps 设置为“True”还是“False”，结果都是一样的。

Answer 1

这是执行平均的源代码：

if average_across_timesteps:
  total_size = math_ops.add_n(weights)
  total_size += 1e-12  # Just to avoid division by 0 for all-0 weights.
  log_perps /= total_size

在您的情况下，weights 是 一个张量的列表，w_1 或 w_2，即您有一个时间步。在这两种情况下，tf.add_n(weights) 都不会改变它，因为它是一个元素的总和（不是 w_1 或 w_2 中元素的总和）。

这解释了结果：D 和 D_1 被评估为相同的数组，因为 D_1 = D * w_1（元素方面）。 D_2 和 D_3 不同，因为 w_2 不仅包含一个。