LSTM 批次与时间步长答案

【问题标题】：LSTM Batches vs TimestepsLSTM 批次与时间步长
【发布时间】：2017-02-02 19:41:42
【问题描述】：

我已按照 TensorFlow RNN 教程创建 LSTM 模型。但是，在此过程中，我对“批次”和“时间步长”之间的区别（如果有的话）感到困惑，如果能帮助我澄清这个问题，我将不胜感激。

教程代码（见下文）本质上是根据指定的步骤数创建“批次”：

with tf.variable_scope("RNN"):
      for time_step in range(num_steps):
        if time_step > 0: tf.get_variable_scope().reuse_variables()
        (cell_output, state) = cell(inputs[:, time_step, :], state)
        outputs.append(cell_output)

但是，以下内容似乎也是如此：

    for epoch in range(5):
        print('----- Epoch', epoch, '-----')
        total_loss = 0
        for i in range(inputs_cnt // BATCH_SIZE):
            inputs_batch = train_inputs[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
            orders_batch = train_orders[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
            feed_dict = {story: inputs_batch, order: orders_batch}

            logits, xent, loss = sess.run([...], feed_dict=feed_dict)

【问题讨论】：

标签： machine-learning tensorflow lstm

【解决方案1】：

假设您正在处理文本，BATCH_SIZE 将是您正在并行处理的句子数，而 num_steps 将是任何句子中的最大单词数。这些是 LSTM 输入的不同维度。

【讨论】：