Как правильно инициализировать веса LSTM из массивов Numpy в Tensorflow? - PullRequest
Новая
       7

Как правильно инициализировать веса LSTM из массивов Numpy в Tensorflow?

0 голосов
/ 28 ноября 2018

У меня один и тот же вопрос для tf.contrib.rnn.LSTMBlockCell и tf.contrib.cudnn_rnn.CudnnCompatibleLSTMCell:

Как правильно инициализировать веса LSTM из числовых массивов?Выполняется следующий фрагмент кода, но, похоже, он не выполняет то, что мне нужно: 

train_data = np.load('mnist_train_data.npy').reshape(-1,28,28)
train_label = np.load('mnist_train_label.npy')

params = [np.random.randn(28+128, 4*128), np.zeros(4*128)]

X = tf.placeholder(tf.float32, shape=[54999, 28, 28])
y = tf.placeholder(tf.int64, None)
state = LSTMStateTuple(*(tf.zeros((54999, 128), dtype=tf.float32) for _ in range(2)))

cell = tf.contrib.rnn.LSTMBlockCell(128)
cell.build(tf.TensorShape((None, 28)))
cell.set_weights(params)

initial_weights = cell.get_weights()

print(np.array_equal(params[0], initial_weights[0]))

w1 = tf.Variable(np.random.randn(128, 10), dtype=tf.float32)
b1 = tf.Variable(np.zeros(10), dtype=tf.float32)

full_seq, current_state = tf.nn.dynamic_rnn(cell, X, initial_state=state, dtype=tf.float32)
output = tf.matmul(current_state[1], w1)
output += b1
loss = tf.losses.softmax_cross_entropy(y, output)

train_step = tf.train.AdamOptimizer(0.01).minimize(loss)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(1):
        feed_dict = {X: train_data, y: train_label}
        sess.run(train_step, feed_dict=feed_dict)

final_weights = cell.get_weights()

print(np.array_equal(initial_weights[0], final_weights[0]))

Это выводит False в первом операторе печати, поэтому на самом деле кажется, что пустые массивыбыть использованы в качестве весов.

Более того, после сеанса обучения это выводит True, что подразумевает, что эти веса фактически не обновляются во время обучения.

Заранее благодарим за любую помощь по предмету.

...