LSTM 批次与时间步长

LSTM Batches vs Timesteps

我已经按照 TensorFlow RNN 教程创建了 LSTM 模型。然而,在这个过程中,我对 'batches' 和 'timesteps' 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)实质上是根据指定的步骤数创建 'batches':

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)

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