Wie verwende ich Tensorflow v1.1 seq2seq.dynamic_decode?

Question

Ich versuche seq2seq.dynamic_decode von Tensorflow zu verwenden, um ein Sequenz-Sequenz-Modell zu erstellen. Ich habe den Encoder-Teil bereits fertiggestellt. Ich bin verwirrt über den Decoder als decoder_outputs scheint [batch_size x sequence_length x embedding_size] zurückzukehren, aber ich brauche die tatsächlichen Wortindizes, um meinen Verlust korrekt zu berechnen [batch_size x sequence_length]. Ich frage mich, ob einer meiner Shape-Inputs falsch ist oder ob ich gerade etwas vergessen habe.
Decoder und Encoder Zelle sind rnn.BasicLSTMCell().

# Variables 
cell_size = 100 
decoder_vocabulary_size = 7 
batch_size = 2 
decoder_max_sentence_len = 7 
# Part of the encoder 
_, encoder_state = tf.nn.dynamic_rnn(
      cell=encoder_cell, 
      inputs=features, 
      sequence_length=encoder_sequence_lengths, 
      dtype=tf.float32) 
# ---- END Encoder ---- # 
# ---- Decoder ---- # 
# decoder_sequence_lengths = _sequence_length(features) 
embedding = tf.get_variable(
    "decoder_embedding", [decoder_vocabulary_size, cell_size]) 
helper = seq2seq.GreedyEmbeddingHelper(
    embedding=embedding, 
    start_tokens=tf.tile([GO_SYMBOL], [batch_size]), 
    end_token=END_SYMBOL) 
decoder = seq2seq.BasicDecoder(
    cell=decoder_cell, 
    helper=helper, 
    initial_state=encoder_state) 
decoder_outputs, _ = seq2seq.dynamic_decode(
    decoder=decoder, 
    output_time_major=False, 
    impute_finished=True, 
    maximum_iterations=self.decoder_max_sentence_len) 
# I need labels (decoder_outputs) to be indices 
losses = nn_ops.sparse_softmax_cross_entropy_with_logits(
     labels=labels, logits=logits) 
loss = tf.reduce_mean(losses) 

Answer 1

fand ich die Lösung:

from tensorflow.python.layers.core import Dense 
decoder = seq2seq.BasicDecoder(
     cell=decoder_cell, 
     helper=helper, 
     initial_state=encoder_state, 
     output_layer=Dense(decoder_vocabulary_size)) 
... 
logits = decoder_outputs[0] 

Sie haben eine dichte Schicht spezifizieren von cell_size zu Wortschatz Größe zu projizieren.