Python 多层双向\u动态\u rnn：与MultiRNNCell不兼容？

我想在Tensorflow中创建一个多层双向LSTM。目前，我的单层模型如下所示：

cell_fw = tf.contrib.rnn.LSTMCell(hidden_size)
cell_bw = tf.contrib.rnn.LSTMCell(hidden_size)

(self.out_fw, self.out_bw), _ = tf.nn.bidirectional_dynamic_rnn(cell_fw, cell_bw, input, ...)

为了将其转变为多层结构，我怀疑我不能简单地将几个

LSTMCell

s包装成

MultiRNNCell

s，如下所示：

multi_cell_fw = tf.contrib.rnn.MultiRNNCell([cell_fw] * num_layers, ...)

并将它们输入到

双向动态\u rnn

，因为每层中的前向和后向LSTM都需要前一层的前向和后向输出。目前，我的解决方案是在一个循环中创建我的

双向\u dynamic\n

s，输入前面层的LSTM的串联输出

然而，它不是很干净，坦率地说，我不确定它是否正确，尽管它确实适用于玩具数据集。有没有比使用类似于

MultiRNNCell

的东西更优雅的方法

我正在使用Tensorflow API r1.0。

只需执行以下操作：

multi_cell_fw=tf.contrib.rnn.multirncell（[cell_fw for uu in range（num_layers）]，…）

---

那应该行。

我的处境和你一样。从你以前的经验中有什么结论吗？我只是坚持我的解决方案，使用循环来创建层。它可以工作，但没有人们希望的那么优雅。