如何在Tensorflow中实现自定义RNN（特别是ESN）？

Question

我试图根据下面的定义在Tensorflow中定义我自己的RNNCell（回声状态网络）。在

x（t+1）=tanh（Win*u（t）+W*x（t）+Wfb*y（t））

y（t）=不会*z（t）

z（t）=[x（t），u（t）]

x是状态，u是输入，y是输出。Win、W和Wfb不可培训。所有权重都是随机初始化的，但是W是这样修改的：“将W元素的某个百分比设置为0，缩放W以使其光谱半径保持在1.0以下

我有这个代码来生成方程。在

x = tf.Variable(tf.reshape(tf.zeros([N]), [-1, N]), trainable=False, name="state_vector")
W = tf.Variable(tf.random_normal([N, N], 0.0, 0.05), trainable=False)
# TODO: setup W according to the ESN paper
W_x = tf.matmul(x, W)

u = tf.placeholder("float", [None, K], name="input_vector")
W_in = tf.Variable(tf.random_normal([K, N], 0.0, 0.05), trainable=False)
W_in_u = tf.matmul(u, W_in)

z = tf.concat(1, [x, u])
W_out = tf.Variable(tf.random_normal([K + N, L], 0.0, 0.05))
y = tf.matmul(z, W_out)
W_fb = tf.Variable(tf.random_normal([L, N], 0.0, 0.05), trainable=False)
W_fb_y = tf.matmul(y, W_fb)

x_next = tf.tanh(W_in_u + W_x + W_fb_y)

y_ = tf.placeholder("float", [None, L], name="train_output")

我的问题是双重的。首先，我不知道如何将其作为rncell的超类来实现。第二，我不知道如何根据上述规范生成W张量。在

如果有任何问题需要帮助，我们将不胜感激。也许我可以想出一种方法来准备W，但我肯定不明白如何将我自己的RNN作为rncell的超类来实现。在

Answer 1

快速总结：

请查看python/ops/rnn_cell.py下的TensorFlow源代码，了解如何子类rncell。通常是这样的：

class MyRNNCell(RNNCell):
  def __init__(...):

  @property
  def output_size(self):
  ...

  @property
  def state_size(self):
  ...

  def __call__(self, input_, state, name=None):
     ... your per-step iteration here ...