时间戳

首页 > 解决方案 > ValueError：尝试共享变量 rnn/multi_rnn_cell/cell_0/lstm_cell/kernel

python-3.x - ValueError：尝试共享变量 rnn/multi_rnn_cell/cell_0/lstm_cell/kernel

问题描述

代码：

import tensorflow as tf
from tensorflow.python.ops import rnn_cell

cell = rnn_cell.LSTMCell(64, state_is_tuple=True)
multi_layer_cell = tf.nn.rnn_cell.MultiRNNCell([cell for i in range(2)])
x = tf.placeholder("float", [None, 10, 1])
output, state = tf.nn.dynamic_rnn(multi_layer_cell, x, dtype = tf.float32)

错误：

ValueError: Trying to share variable rnn/multi_rnn_cell/cell_0/lstm_cell/kernel, but specified shape (128, 256) and found shape (65, 256).

版本：Tensorflow 1.2.1 Python 3.5.4

这里的变体似乎不起作用：ValueError: Trying to share variable rnn/multi_rnn_cell/cell_0/basic_lstm_cell/kernel

标签： python-3.xtensorflowlstmrnn

解决方案

问题是您正在制作重复两次相同对象的列表

multi_layer_cell = tf.nn.rnn_cell.MultiRNNCell([cell for i in range(2)])

cell 不仅为多层单元指定参数，还直接使用对象。但是，对于您的神经网络，您的第一个单元格会将大小为 1 的输入映射到 64，然后您的第二个单元格会将 64 映射到 64。

您看到的形状是每个单元格的内核大小，至少它们应该是什么。LSTM 内核可以被视为大小 n + mx 4m，其中 n 是输入大小，m 是状态大小。因子 4 来自于有 4 个需要矩阵权重的门这一事实。n + m 来自于将输入 -> 门转换堆叠在状态 -> 门转换之上。例如，在您的第一个单元格中，n = 1 和 m = 64，因此您会看到大小 (65, 256)，这显然不适用于需要大小为 (128, 256) 的内核的第二个单元格（因为 64 + 64 = 128 不是 65）。

要解决此问题，只需制作两个不同的单元格对象：

cell_1 = rnn_cell.LSTMCell(64, state_is_tuple=True)
cell_2 = rnn_cell.LSTMCell(64, state_is_tuple=True)
multi_layer_cell = tf.nn.rnn_cell.MultiRNNCell([cell_1,cell_2])

推荐阅读