Python 将动态rnn与多rnn结合使用会产生错误

我想用python中的tensorflow和多个LSTM单元创建一个动态的rnn。 在internet上搜索表单我发现以下代码：

import tensorflow as tf

batch_size = 30
truncated_series_length = 4
num_layers = 3
state_size = 300

x_input = tf.placeholder(tf.float32, [batch_size, truncated_series_length, 1])


cell = tf.nn.rnn_cell.LSTMCell(state_size, state_is_tuple=True)
cell = tf.nn.rnn_cell.MultiRNNCell([cell]*num_layers, state_is_tuple=True)
outputs, state = tf.nn.dynamic_rnn(cell, x_input, dtype=tf.float32)

但当我运行此代码时，会发生一个错误：

ValueError:rnn/while/rnn/multi_rnn_cell/cell_0/cell_0/lstm_cell/MatMul_1（op:'MatMul'）的尺寸必须相等，但输入形状为[30600]，[3011200]的尺寸为600和301

但是当我设置num_layers=1时，没有任何错误。

---

你知道这个错误是从哪里来的吗？

我想这里大致解决了这个问题：

基本上，要详细说明这个问题的答案： 使用

[cell]*num_layers

将创建一个列表，其中包含对同一个cell实例的两个引用，而不是两个单独的实例。正确的行为是，第一层的LSTM单元应具有类似的权重形状（特征的维数+单元状态大小，4*单元状态大小）。 连续层中的LSTM单元应具有类似（2*单元状态大小，4*单元状态大小）的权重形状。因为它们不再接受原始输入，而是来自上一层的输入

但共享参考代码中的问题是，对于这两个层，它们将使用相同的内核，因为“它们”实际上是相同的单元实例。因此，即使有多个层，除第一层之外的所有层的权重形状都会错误（始终指第一层的权重）

---

如本期所述，更好的代码是使用列表理解或for循环来创建多个单独的实例，以避免共享引用

我认为问题大致可以在这里解决：

基本上，要详细说明这个问题的答案： 使用

[cell]*num_layers

将创建一个列表，其中包含对同一个cell实例的两个引用，而不是两个单独的实例。正确的行为是，第一层的LSTM单元应具有类似的权重形状（特征的维数+单元状态大小，4*单元状态大小）。 连续层中的LSTM单元应具有类似（2*单元状态大小，4*单元状态大小）的权重形状。因为它们不再接受原始输入，而是来自上一层的输入

但共享参考代码中的问题是，对于这两个层，它们将使用相同的内核，因为“它们”实际上是相同的单元实例。因此，即使有多个层，除第一层之外的所有层的权重形状都会错误（始终指第一层的权重）

---

如本期所述，更好的代码是使用列表理解或for循环来创建多个单独的实例，以避免共享引用

运行代码时发生了相同的错误，如下所示：

一个单元=tf.nn.rnn单元.LSTMCell（num单元=rnn单元大小）
cell=tf.nn.rnn_cell.multirncell（[1_cell for u in range（num_layers）]）#与[1_cell]*num_layers相同？

但是当我运行下面的代码时，这个错误消失了。

cell=tf.nn.rnn\u cell.MultiRNNCell（[tf.nn.rnn\u cell.LSTMCell（num\u units=rnn\u size）用于范围内（num\u层）]）

---

因此，我认为操作

[one_cell for uu in range（num_layers）]

和

[one_cell]*num_layers

将保持所有单元格的设置相同。但是我们希望第一层单元格与其他层单元格具有不同的设置。

运行代码时出现相同的错误，如下所示：

一个单元=tf.nn.rnn单元.LSTMCell（num单元=rnn单元大小）
cell=tf.nn.rnn_cell.multirncell（[1_cell for u in range（num_layers）]）#与[1_cell]*num_layers相同？

但是当我运行下面的代码时，这个错误消失了。

cell=tf.nn.rnn\u cell.MultiRNNCell（[tf.nn.rnn\u cell.LSTMCell（num\u units=rnn\u size）用于范围内（num\u层）]）

因此，我认为操作

[one_cell for uu in range（num_layers）]

和

[one_cell]*num_layers

将保持所有单元格的设置相同。但我们希望第一层单元与其他层单元具有不同的设置