双向 LSTM 中的聚合层
Aggregation layer in bidirectional LSTMs
我在 tflearn 的多对一设置（情感分析任务）中使用双向 LSTM。我想了解 tflearn 如何在将其发送到 softmax 层以获得概率输出之前聚合来自前向和后向 LSTM 层的表示？例如下图中，concat层和aggregate层通常是如何实现的？
有这方面的文档吗？
谢谢！
当使用 tflearn 的 Bidirectional RNN 时，输出被连接起来，如上图所示。所以每个输出都将是输入嵌入大小的两倍。默认设置只returns最后一个序列输出，所以如果你想使用整个序列，那么你需要设置return_seq=True，然后像Merge一样将序列传递给聚合层。
我在 tflearn 的多对一设置（情感分析任务）中使用双向 LSTM。我想了解 tflearn 如何在将其发送到 softmax 层以获得概率输出之前聚合来自前向和后向 LSTM 层的表示？例如下图中，concat层和aggregate层通常是如何实现的？
有这方面的文档吗？
谢谢！
当使用 tflearn 的 Bidirectional RNN 时，输出被连接起来，如上图所示。所以每个输出都将是输入嵌入大小的两倍。默认设置只returns最后一个序列输出，所以如果你想使用整个序列，那么你需要设置return_seq=True，然后像Merge一样将序列传递给聚合层。