我正在尝试理解tensorflow中seq2seq.py文件中定义的seq2seq模型。我使用了从tensorflow附带的translate.py示例中复制的一些代码。我不断遇到相同的错误，并且实在不明白错误的来源。
重现错误的最小代码示例：
import tensorflow as tffrom tensorflow.models.rnn import rnn_cellfrom tensorflow.models.rnn import seq2seqencoder_inputs = []decoder_inputs = []for i in xrange(350): encoder_inputs.append(tf.placeholder(tf.int32, shape=[None], name="encoder{0}".format(i)))for i in xrange(45): decoder_inputs.append(tf.placeholder(tf.int32, shape=[None], name="decoder{0}".format(i)))model = seq2seq.basic_rnn_seq2seq(encoder_inputs, decoder_inputs,rnn_cell.BasicLSTMCell(512))在评估最后一行时我得到的错误（我在python解释器中交互式地评估它）：
>>> Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/tmp/py1053173el", line 12, in <module> File "/usr/local/lib/python2.7/dist-packages/tensorflow/models/rnn/seq2seq.py", line 82, in basic_rnn_seq2seq _, enc_states = rnn.rnn(cell, encoder_inputs, dtype=dtype) File "/usr/local/lib/python2.7/dist-packages/tensorflow/models/rnn/rnn.py", line 85, in rnn output_state = cell(input_, state) File "/usr/local/lib/python2.7/dist-packages/tensorflow/models/rnn/rnn_cell.py", line 161, in __call__ concat = linear.linear([inputs, h], 4 * self._num_units, True) File "/usr/local/lib/python2.7/dist-packages/tensorflow/models/rnn/linear.py", line 32, in linear raise ValueError("Linear is expecting 2D arguments: %s" % str(shapes)) ValueError: Linear is expecting 2D arguments: [[None], [None, 512]]我怀疑错误出在我这边:) 顺便说一句，文档和教程真的很好，但序列到序列模型的示例代码（英语到法语的翻译示例）相当密集。你还得在文件之间跳来跳去才能理解发生了什么。至少我好几次在代码中迷失了方向。
在这里，一个构建和训练基本seq2seq模型的最小示例（可能是在一些玩具数据上）将非常有帮助。有人知道这是否已经存在于某个地方吗？
编辑我已经根据@Ishamael的建议修复了上面的代码（意味着没有错误返回）（见下文），但在这个修复版本中仍然有一些不清楚的地方。我的输入是一系列长度为2的实值向量。我的输出是一系列长度为22的二进制向量。我的tf.placeholder代码不应该如下所示吗？ (编辑 是的)
tf.placeholder(tf.float32, shape=[None,2],name="encoder{0}".format(i))tf.placeholder(tf.float32, shape=[None,22],name="encoder{0}".format(i))我还不得不将上面的tf.int32改为tf.float32。因为我的输出是二进制的。对于我的解码器的tf.placeholder，这不应该是tf.int32吗？但如果我这样做，tensorflow又会抱怨。我不确定这背后的推理是什么。
我的隐藏层的尺寸在这里是512。
完整的修复代码
import tensorflow as tffrom tensorflow.models.rnn import rnn_cellfrom tensorflow.models.rnn import seq2seqencoder_inputs = []decoder_inputs = []for i in xrange(350): encoder_inputs.append(tf.placeholder(tf.float32, shape=[None,512], name="encoder{0}".format(i)))for i in xrange(45): decoder_inputs.append(tf.placeholder(tf.float32, shape=[None,512], name="decoder{0}".format(i)))model = seq2seq.basic_rnn_seq2seq(encoder_inputs, decoder_inputs,rnn_cell.BasicLSTMCell(512))回答：
大多数模型（seq2seq也不例外）期望它们的输入是批次的，所以如果你的逻辑输入的形状是[n]，那么你将用作模型输入的张量的形状应该是[batch_size x n]。在实践中，形状的第一维通常被省略为None，并在运行时推断为批次大小。
由于seq2seq的逻辑输入是一组数字，因此实际的张量形状应该是[None, input_sequence_length]。所以修复后的代码看起来应该是这样的：
input_sequence_length = 2; # 你的输入序列中一个向量的长度for i in xrange(350): encoder_inputs.append(tf.placeholder(tf.int32, shape=[None, input_sequence_length], name="encoder{0}".format(i)))（然后对解码器做同样的事情）
