RNN好兄弟之tf.nn.dynamic_rnn的使用

• 学习前言
• tf.nn.dynamic_rnn的定义
• tf.nn.dynamic_rnn的使用举例
• 单层实验
• 多层实验

学习前言

已经完成了RNN网络的构建，但是我们对于RNN网络还有许多疑问，特别是tf.nn.dynamic_rnn函数，其具体的应用方式我们并不熟悉，查询了一下资料，我心里的想法是这样的。

tf.nn.dynamic_rnn的定义

tf.nn.dynamic_rnn(
cell,
inputs,
sequence_length=None,
initial_state=None,
dtype=None,
parallel_iterations=None,
swap_memory=False,
time_major=False,
scope=None
)

• cell：上文所定义的lstm_cell。
• inputs：RNN输入。如果time_major==false（默认），则必须是如下shape的tensor：[batch_size，max_time，…]或此类元素的嵌套元组。如果time_major==true，则必须是如下形状的tensor：[max_time，batch_size，…]或此类元素的嵌套元组。
• sequence_length：Int32/Int64矢量大小。用于在超过批处理元素的序列长度时复制通过状态和零输出。因此，它更多的是为了性能而不是正确性。
• initial_state：上文所定义的_init_state。
• dtype：数据类型。
• parallel_iterations：并行运行的迭代次数。那些不具有任何时间依赖性并且可以并行运行的操作将是。这个参数用时间来交换空间。值>>1使用更多的内存，但花费的时间更少，而较小的值使用更少的内存，但计算需要更长的时间。
• time_major：输入和输出tensor的形状格式。如果为True，这些张量的形状必须是[max_time，batch_size，depth]。如果为False，这些张量的形状必须是[batch_size，max_time，depth]。使用time_major=true会更有效率，因为它可以避免在RNN计算的开始和结束时进行换位。但是，大多数TensorFlow数据都是批处理主数据，因此默认情况下，此函数为False。
• scope：创建的子图的可变作用域；默认为“RNN”。

其返回值为outputs,states。
outputs：RNN的最后一层的输出，是一个tensor。如果为time_major== False，则它的shape为[batch_size,max_time,cell.output_size]。如果为time_major== True，则它的shape为[max_time,batch_size,cell.output_size]。

states：是每一层的最后一个step的输出，是一个tensor。state是最终的状态，也就是序列中最后一个cell输出的状态。一般情况下states的形状为 [batch_size, cell.output_size]，但当输入的cell为BasicLSTMCell时，states的形状为[2，batch_size, cell.output_size ]，其中2也对应着LSTM中的cell state和hidden state。

tf.nn.dynamic_rnn的使用举例

单层实验

我们首先使用单层的RNN进行实验。
使用的代码为：

import tensorflow as tf
import numpy as np

n_steps = 2         #两个step
n_inputs = 3        #每个input是三维
n_nerve = 4         #神经元个数

X = tf.placeholder(tf.float32, [None, n_steps, n_inputs])

basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_nerve)

outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()

X_batch = np.array([[[0, 1, 2], [1, 2, 3]],
[[3, 4, 5], [4, 5, 6]],
[[5, 6, 7], [6, 7, 8]],
[[7, 8, 9], [8, 9, 10]]])

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

输出的log为：

outputs: [[[0.92146313 0.6069534  0.24989243 0.9305415 ]
[0.9234855  0.8470011  0.7865616  0.99935764]]

[[0.9772771  0.9713368  0.99483156 0.9999987 ]
[0.9753329  0.99538314 0.9988139  1.        ]]

[[0.9901842  0.99558043 0.9998626  1.        ]
[0.989398   0.9992842  0.9999691  1.        ]]

[[0.99577546 0.9993256  0.99999636 1.        ]
[0.9954579  0.9998903  0.99999917 1.        ]]]
states: [[0.9234855  0.8470011  0.7865616  0.99935764]
[0.9753329  0.99538314 0.9988139  1.        ]
[0.989398   0.9992842  0.9999691  1.        ]
[0.9954579  0.9998903  0.99999917 1.        ]]

Xin的shape是[batch_size = 4, max_time = 2, depth = 3]。
outputs的shape是[batch_size = 4, max_time = 2, cell.output_size = 4]。
states的shape是[batch_size = 4, cell.output_size = 4]
在time_major = False的时候：
Xin、outputs、states的第一维，都是batch_size，即用于训练的batch的大小。
Xin、outputs的第二维，都是max_time，在本文中对应着RNN的两个step。
outputs、states的最后一维指的是每一个RNN的Cell的输出，本文的RNN的Cell的n_nerve为4，所以cell.output_size = 4。Xin的最后一维指的是每一个输入样本的维度。
outputs对应的是RNN的最后一层的输出，states对应的是每一层的最后一个step的输出。在RNN的层数仅1层的时候，states的输出对应为outputs最后的step的输出。

多层实验

接下来我们使用两层的RNN进行实验。
使用的代码为：

import tensorflow as tf
import numpy as np

n_steps = 2         #两个step
n_inputs = 3        #每个input是三维
n_nerve = 4         #神经元个数

X = tf.placeholder(tf.float32, [None, n_steps, n_inputs])

#定义多层
layers = [tf.nn.rnn_cell.BasicRNNCell(num_units=n_nerve) for i in range(2)]
multi_layer_cell = tf.contrib.rnn.MultiRNNCell(layers)

outputs, states = tf.nn.dynamic_rnn(multi_layer_cell, X, dtype=tf.float32)

init = tf.global_variables_initializer()

X_batch = np.array([[[0, 1, 2], [1, 2, 3]],
[[3, 4, 5], [4, 5, 6]],
[[5, 6, 7], [6, 7, 8]],
[[7, 8, 9], [8, 9, 10]]])

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

输出的log为：

outputs: [[[-0.577939   -0.3657474  -0.21074213  0.8188577 ]
[-0.67090076 -0.47001836 -0.40080917  0.6026697 ]]

[[-0.72777444 -0.36500326 -0.7526911   0.86113644]
[-0.7928404  -0.6413429  -0.61007065  0.787065  ]]

[[-0.7537433  -0.35850585 -0.83090436  0.8573037 ]
[-0.82016116 -0.6559162  -0.7360482   0.7915131 ]]

[[-0.7597004  -0.35760364 -0.8450942   0.8567379 ]
[-0.8276395  -0.6573326  -0.7727142   0.7895221 ]]]
states: (array([[-0.71645427, -0.0585744 ,  0.95318353,  0.8424729 ],
[-0.99845   , -0.5044571 ,  0.9955299 ,  0.9750488 ],
[-0.99992913, -0.8408632 ,  0.99885863,  0.9932366 ],
[-0.99999577, -0.9672    ,  0.9996866 ,  0.99814796]],
dtype=float32),
array([[-0.67090076, -0.47001836, -0.40080917,  0.6026697 ],
[-0.7928404 , -0.6413429 , -0.61007065,  0.787065  ],
[-0.82016116, -0.6559162 , -0.7360482 ,  0.7915131 ],
[-0.8276395 , -0.6573326 , -0.7727142 ,  0.7895221 ]],
dtype=float32))

可以看出来outputs对应的是RNN的最后一层的输出，states对应的是每一层的最后一个step的输出，在完成了两层的定义后，outputs的shape并没有变化，而states的内容多了一层，分别对应RNN的两层输出。
state中最后一层输出对应着outputs最后一步的输出。