前面都是写的cell版本的GRU和LSTM，比较底层，便于理解原理。下面的Sequential版不用自定义state参数的形状，使用更简便：　import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'assert tf.__version__.startswith('2.')# 设置相关底层

参考 http://hacker.duanshishi.com/?p=1693http://blog.csdn.net/hungryof/article/details/53981959http://blog.csdn.net/hungryof/article/details/61195783http://blog.csdn.net/wyl1987527/article/details/70245214https://www.ctolib.com/AdaIN-style.

输入不对应报错内容:WARNING:tensorflow:Model was constructed with shape (None, 79) for input Tensor("genres:0", shape=(None, 79), dtype=float32), but it was called on an input with incompatible shape (128, 5).定义模型的输入和训练时候传入的in

2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。TensorFlow 是使用数据流图进行数值计算的开源软件库。也就是说，TensorFlow 使用图（graph）来表示计算任务。图中的节点表示数学运算，边表示运算之间用来交流的多维数组（也就是tensor，张量）

TensorFlow底层操作的数据结构是Tensor（张量），可以表示多维的数据，其实现在core/framework/tensor.h中，对于tensor的理解主要分两大块：1.Tensor的组成成分2.Tensor是如何进行数学运算的（TensorFlow本质就是处理大量训练数据集，在底层要实现深度学习常

　　我们在使用tensorflow的时候，当你想复用一个函数的模块，调试时候回提示你变量已经出现，提示你是否重用。那我们当然是不重用的，因为每一个变量都是我们需要的。　　要体现不同，就在不同的变量中使用name scope限定，那么其中的重复名字就不会出现问题

代码函数详解tf.random.truncated_normal()函数tf.truncated_normal函数随机生成正态分布的数据，生成的数据是截断的正态分布，截断的标准是2倍的stddev。zip()函数zip() 函数用于将可迭代对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些

一、总结一句话总结：将输入的张量的第一个维度看做样本的个数，沿其第一个维度将tensor切片，得到的每个切片是一个样本数据。实现了输入张量的自动切片。# from_tensor_slices 为输入张量的每一行创建一个带有单独元素的数据集ts = tf.constant([[1, 2], [3,

http://blog.csdn.net/huachao1001/article/details/78502910http://blog.csdn.net/u014432647/article/details/75276718https://zhuanlan.zhihu.com/p/32887066#coding:utf-8#http://blog.csdn.net/zhuiqiuk/article/details/53376283#http://blog.csdn.net/