如何使用应用于切片的一个 RNN 的输出作为下一个的输入？
How do I use the output of one RNN applied to slices as input of the next?
假设我有训练数据 X, Y，其中 X 的形状为 (n,m,p)
我想建立一个神经网络，将 f 给定的 RNN（后跟密集层）应用于每个 i 切片 (i,a,b) 并输出具有形状的 f(m,x) (p') 然后连接所有输出切片（大概使用 tf.map_fn(f,X)）形成维度为 (n,p') 的向量，然后在 (n,p') 上运行下一个神经网络。
本质上类似于：
X' = tf.map_fn(f,X)
Y= g(X')
我很难理解如何准备我的训练数据，X、X'（以及后来的 Z）应该是什么形状。
此外，如果我想将 X' 与另一个数据集合并怎么办，比如说 Z？
Y = g(X' 连接 Z)
我认为您不需要 map_fn，您需要 tf.dynamic_rnn。它需要一个 RNN 单元（因此它知道什么是输出和什么是状态）和 returns 串联输出和串联状态。
假设我有训练数据 X, Y，其中 X 的形状为 (n,m,p)
我想建立一个神经网络，将 f 给定的 RNN（后跟密集层）应用于每个 i 切片 (i,a,b) 并输出具有形状的 f(m,x) (p') 然后连接所有输出切片（大概使用 tf.map_fn(f,X)）形成维度为 (n,p') 的向量，然后在 (n,p') 上运行下一个神经网络。
本质上类似于： X' = tf.map_fn(f,X) Y= g(X')
我很难理解如何准备我的训练数据，X、X'（以及后来的 Z）应该是什么形状。
此外，如果我想将 X' 与另一个数据集合并怎么办，比如说 Z？ Y = g(X' 连接 Z)
我认为您不需要 map_fn，您需要 tf.dynamic_rnn。它需要一个 RNN 单元（因此它知道什么是输出和什么是状态）和 returns 串联输出和串联状态。