当state_is_tuple = True时,如何设置TensorFlow RNN状态？

Question

我使用TensorFlow编写了一个RNN语言模型.该模型作为一个RNN类实现.图结构是建立在构造函数中,而RNN.train和RNN.test方法运行它.

我想在移动到训练集中的新文档时,或者当我想在训练期间运行验证集时,能够重置RNN状态.我通过管理训练循环内的状态,通过提要字典将其传递到图表中来实现此目的.

在构造函数中,我像这样定义RNN

    cell = tf.nn.rnn_cell.LSTMCell(hidden_units)
    rnn_layers = tf.nn.rnn_cell.MultiRNNCell([cell] * layers)
    self.reset_state = rnn_layers.zero_state(batch_size, dtype=tf.float32)
    self.state = tf.placeholder(tf.float32, self.reset_state.get_shape(), "state")
    self.outputs, self.next_state = tf.nn.dynamic_rnn(rnn_layers, self.embedded_input, time_major=True,
                                                  initial_state=self.state)

训练循环看起来像这样

 for document in document:
     state = session.run(self.reset_state)
     for x, y in document:
          _, state = session.run([self.train_step, self.next_state], 
                                 feed_dict={self.x:x, self.y:y, self.state:state})

x并且y是文档中的批量训练数据.这个想法是我在每个批次之后传递最新状态,除非我开始一个新文档,当我通过运行将状态归零时self.reset_state.

这一切都有效.现在我想更改我的RNN以使用推荐的state_is_tuple=True.但是,我不知道如何通过提要字典传递更复杂的LSTM状态对象.另外我不知道self.state = tf.placeholder(...)在构造函数中传递给行的参数是什么.

这里的正确策略是什么？仍然没有太多dynamic_rnn可用的示例代码或文档.

---

TensorFlow问题2695和2838似乎相关.

关于WILDML 的博客文章解决了这些问题,但没有直接说明答案.

另请参见TensorFlow:记住下一批次的LSTM状态(有状态LSTM).

Answer 1

Tensorflow占位符的一个问题是你只能用Python列表或Numpy数组(我认为)来提供它.因此,您无法在LSTMStateTuple的元组中的运行之间保存状态.

我通过将状态保存在这样的张量中来解决这个问题

initial_state = np.zeros((num_layers, 2, batch_size, state_size))

LSTM层中有两个组件,即单元状态和隐藏状态,这就是"2"的来源.(这篇文章很棒:https://arxiv.org/pdf/1506.00019.pdf)

构建图形时,解压缩并创建元组状态,如下所示:

state_placeholder = tf.placeholder(tf.float32, [num_layers, 2, batch_size, state_size])
l = tf.unpack(state_placeholder, axis=0)
rnn_tuple_state = tuple(
         [tf.nn.rnn_cell.LSTMStateTuple(l[idx][0],l[idx][1])
          for idx in range(num_layers)]
)

然后你通常的方式得到新的状态

cell = tf.nn.rnn_cell.LSTMCell(state_size, state_is_tuple=True)
cell = tf.nn.rnn_cell.MultiRNNCell([cell] * num_layers, state_is_tuple=True)

outputs, state = tf.nn.dynamic_rnn(cell, series_batch_input, initial_state=rnn_tuple_state)

它应该不是这样的......也许他们正在努力解决问题.