machine-learning - LSTM批次与时间步长

我已经按照TensorFlow RNN教程创建了LSTM模型。但是，在此过程中，我对“批次”和“时间步长”之间的差异（如果有的话）感到困惑，并且我希望能帮助您澄清此问题。

教程代码（请参阅下文）实质上是根据指定的步骤数创建“批”的：

with tf.variable_scope("RNN"):
      for time_step in range(num_steps):
        if time_step > 0: tf.get_variable_scope().reuse_variables()
        (cell_output, state) = cell(inputs[:, time_step, :], state)
        outputs.append(cell_output)

但是，以下似乎执行相同的操作：

    for epoch in range(5):
        print('----- Epoch', epoch, '-----')
        total_loss = 0
        for i in range(inputs_cnt // BATCH_SIZE):
            inputs_batch = train_inputs[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
            orders_batch = train_orders[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]
            feed_dict = {story: inputs_batch, order: orders_batch}

            logits, xent, loss = sess.run([...], feed_dict=feed_dict)

最佳答案

假设您正在处理文本，BATCH_SIZE将是您正在并行处理的句子数，而num_steps将是任何句子中的最大单词数。这些是您输入LSTM的不同维度。

关于machine-learning - LSTM批次与时间步长，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42010966/