接続された機能の完全な層をスプライスする方法1、？
一つの方法は、数が2つの連結することができるニューロンの数は、であり、二つの入力、一つの入力層、最終的に完全に接続されたネットワーク、完全接続ネットワークに直接接続された他の入力を有することです。もちろん、機能もフル連結接続層に直接入力してもよいが、前者が優れているといわれています。
2、どのようにword2vec単語ベクトルは、ネットワーク内で更新しますか？
私のモデルの一つ（ネットワーク層軽い）で、私は、ランダムな単語ベクトルよりも単語ベクトル効果word2vecを使用して、結果ははるか遠く劣っている更新します！！！非常に絶望的な、word2vec単語ベクトル生成テンソルを更新することはできません、あなたが微調整することはできません発見！解決策は2つあります：
- 完全に接続された第一層に接続word2vecワードベクトル入力は、パラメータが更新されます。ライン上に緻密層を追加します。
- これは、重量が訓練するために、次のコードを変更します：
- W = TF。get_variable （名= "W" 、形状=埋込み。形、初期= TF。constant_initializer （埋め込み）、訓練可能= 偽）
3、出力、状態および出力のRNN？
参考記事：https://blog.csdn.net/taoqick/article/details/79475350
簡単に言えば、単層又は単層GRU通常RNN場合、出力状態が同じであり、それはLSTM細胞である場合、状態は、CおよびH、H及び出力のみが含まれているので、我々は、一般的に床を取りましたネットワーク以下の処理は、その時間を用いて行われる場合、これは場合は、出力と同じです。それは、出力はまた、実際には、時間で表され、多層セルであるが、これは一番上のセルHの出力hであれば、見て！
4、tensorflow行列は転置しますか？
例えば、時々形状テンソルは（A、B、C）であります
私はに形にしたいこの時間（A、C、B）
（）関数、tf.transposeを使用します
参考記事：https://blog.csdn.net/banana1006034246/article/details/75126815
テンソルのテンソルに（A、B、C）（A、C、B）
アウト= tf.transpose（入力、パーマ= [0,2,1]）