Python 从双向\u rnn切换到双向\u rnn后的结果更糟

基本上尝试用双向动态输入（重塑输入）代替双向输入，但在分类任务中得到了更糟糕的结果。 我做错什么了吗？重塑

双向版本（代码摘录）：

分类准确率：95%

双向动态版本（代码摘录）：

---

分类准确率：70%

好的，所以我发现tf.reformate不适合这个任务，我应该使用tf.stack和tf.transpose。 所以基本上它使用的是乱七八糟的输入，无法再学习

错：

birnn_inputs = tf.reshape(encoder_embedded_inputs, [-1,enc_size,emb_size])

对:

birnn_inputs = tf.stack(encoder_embedded_inputs)
birnn_inputs = tf.transpose(birnn_inputs, [1,0,2])

---

所以现在它工作得很好。

好的，所以我发现tf.reforme不适合这个任务，我应该使用tf.stack和tf.transpose来代替。 所以基本上它使用的是乱七八糟的输入，无法再学习

错：

birnn_inputs = tf.reshape(encoder_embedded_inputs, [-1,enc_size,emb_size])

对:

birnn_inputs = tf.stack(encoder_embedded_inputs)
birnn_inputs = tf.transpose(birnn_inputs, [1,0,2])

所以现在它工作得很好