python - RNN、テンソルフロー、フィード前の出力でデコーダーを作成する方法

Question

tensorflow rnn でデコーダーを作成する方法を知りたいのですが、i 番目の出力を (i+1) 番目の入力にフィードします

入力には 20 のシーケンスと 3680 の次元があり、出力には 39 のシーケンスと 3680 の次元があり、すべてのデータは 0 ～ 1 の数値です

ここに私のモデルがあります

with tf.variable_scope('encoder'):    
    enc_input = tf.placeholder(tf.float32,[None, input_sequence_length, input_dim])

    enc_cell = tf.contrib.rnn.BasicLSTMCell(num_units = input_sequence_length)

    _ , encoder_states = tf.nn.dynamic_rnn(enc_cell, enc_input ,  dtype=tf.float32)

with tf.variable_scope('decoder'):
    dec_input = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])
    dec_output = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])

    dec_cell = tf.contrib.rnn.BasicLSTMCell(num_units = output_sequence_length)

    outputs , _ = tf.nn.dynamic_rnn(dec_cell, dec_input,dtype = tf.float32,
                                    initial_state = encoder_states)

前の出力を次の入力にフィードするデコーダ モデルを作成するにはどうすればよいですか?

PS

このような自己回答コードを作成します

with tf.variable_scope('decoder'):
    dec_input = tf.placeholder(tf.float32,[None, 1, output_dim])
    dec_output = tf.placeholder(tf.float32,[None, output_sequence_length, output_dim])

    outputs = []
    state = encoder_states

    dec_cell = tf.contrib.rnn.BasicLSTMCell(num_units = dec_hidden_size)

    for i in range(output_sequence_length):
        if i==0:
            output , state = tf.nn.dynamic_rnn(dec_cell, dec_input, initial_state = state, dtype = tf.float32)
            outputs.append(output)
        else:
            output , state = tf.nn.dynamic_rnn(dec_cell, 
                                                 output, 
                                                 initial_state = state, 
                                                 dtype = tf.float32)
            outputs.append(output)

outputs = tf.reshape(outputs,[-1,output_dim])
outputs = tf.reshape(outputs,[-1,output_sequence_length,output_dim])

このコードの出力は上のコードの出力とは異なると思いますが、正しく動作したかどうかはわかりません。

テンソルフロー方式でループ関数((i)output->(i+1)input)を持つデコーダを作るには、上位のコードよりも多くのメモリ割り当てが必要になるため、どうすればよいかまだ疑問です。（私の考えでは、細胞数は同じです）