在TensorFlow dynamic_rnn中使用sequence_length参数时如何处理填充

Question

我正在尝试使用dynamic_rnnTensorflow中的功能来加快训练速度。阅读后，我的理解是，加快训练速度的一种方法是sequence_length在此函数中将值显式传递给参数。经过一番阅读之后，找到了这样的解释，看来我需要传递的是一个向量（可能由定义tf.placeholder），其中包含批处理中每个序列的长度。

这是我感到困惑的地方：为了利用这一优势，我应该将每个批次填充到批次中最长长度的序列，而不是训练集中的最长序列吗？Tensorflow如何处理任何较短序列中的其余零/填充令牌？另外，这里的主要优势是真的可以提高速度吗，还是可以额外保证我们在训练过程中掩盖了垫子令牌？任何帮助/上下文将不胜感激。

Answer 1

我应该将每个批次填充到批次中最长的序列，而不是训练集中的最长序列吗？

批次中的序列必须对齐，即必须具有相同的长度。因此，对您问题的一般回答是“是”。但是不同批次的长度不必相同，因此您可以将输入序列分层为大小大致相同的组，并相应地填充它们。该技术称为存储分区，您可以在本教程中了解它。

Tensorflow如何处理任何较短序列中的其余零/填充令牌？

非常直观。tf.nn.dynamic_rnn返回两个张量：output和states。假设实际序列长度为t，填充序列长度为T。

然后，output后面将包含零，i > t并且states将包含t-th单元状态，而忽略尾随单元的状态。

这是一个例子：

import numpy as np
import tensorflow as tf

n_steps = 2
n_inputs = 3
n_neurons = 5

X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])
seq_length = tf.placeholder(tf.int32, [None])

basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)
outputs, states = tf.nn.dynamic_rnn(basic_cell, X, 
                                    sequence_length=seq_length, dtype=tf.float32)

X_batch = np.array([
  # t = 0      t = 1
  [[0, 1, 2], [9, 8, 7]], # instance 0
  [[3, 4, 5], [0, 0, 0]], # instance 1
  [[6, 7, 8], [6, 5, 4]], # instance 2
])
seq_length_batch = np.array([2, 1, 2])

with tf.Session() as sess:
  sess.run(tf.global_variables_initializer())
  outputs_val, states_val = sess.run([outputs, states], feed_dict={
    X: X_batch, 
    seq_length: seq_length_batch
  })
  print(outputs_val)
  print()
  print(states_val)

请注意，实例1被填充，outputs_val[1,1]零向量也被填充states_val[1] == outputs_val[1,0]：

[[[ 0.76686853  0.8707901  -0.79509073  0.7430128   0.63775384]
  [ 1.          0.7427926  -0.9452815  -0.93113345 -0.94975543]]

 [[ 0.9998851   0.98436266 -0.9620067   0.61259484  0.43135557]
  [ 0.          0.          0.          0.          0.        ]]

 [[ 0.99999994  0.9982034  -0.9934515   0.43735617  0.1671598 ]
  [ 0.99999785 -0.5612586  -0.57177305 -0.9255771  -0.83750355]]]

[[ 1.          0.7427926  -0.9452815  -0.93113345 -0.94975543]
 [ 0.9998851   0.98436266 -0.9620067   0.61259484  0.43135557]
 [ 0.99999785 -0.5612586  -0.57177305 -0.9255771  -0.83750355]]

另外，这里的主要优势是真的可以提高速度吗，还是可以额外保证我们在训练过程中掩盖了垫子令牌？

当然，批处理比一个接一个的序列更有效。但是指定长度的主要优点是，您可以从RNN中获得合理的状态，即，填充项不会影响结果张量。如果不设置长度，但是手动选择正确的状态，您将获得完全相同的结果（和相同的速度）。