长序列的可变长度RNN模型

时间:2018-08-17 19:37:24

标签: python tensorflow machine-learning rnn

我正试图提出一种在单个模型中训练可变长度序列的方法。

数据集的每个输入都是一个频谱图,基本上是二维图像,高度恒定,宽度可变。每个频谱图的输出是一个宽度相等的热序列。

我认为可能的方法是:

  1. 将频谱图轴交换到其时间,功能(以便RNN可以使用它)
  2. 将整个转置频谱图输入模型
  3. 将(duration,num_features)的输入分批填充到(num_batches,seq_length,num features)
  4. 处理具有循环层的批次
  5. 组合批次
  6. 裁剪输出以匹配输入

我认为类似这样的方法可能行得通,至少我不明白为什么不给RNN做批量训练。我不知道TF框架是允许它还是仅仅训练太多。

如果有人知道执行步骤3和5的最佳方法,请帮帮我。

谢谢

0 个答案:

没有答案