什么是TensorFlow中的动态RNN？
我对什么是动态RNN（即什么是TensorFlow中的动态RNN？,tensorflow,recurrent-neural-network,Tensorflow,Recurrent Neural Network,我对什么是动态RNN（即dynamic\u RNN）感到困惑。它在TensorFlow中返回输出和状态。这些状态和输出是什么？什么是动态RNN中的动态，在TensorFlow中？动态RNN允许可变序列长度。您可能有一个输入形状（批大小，最大序列长度），但这将允许您在短于最大序列长度的序列上运行RNN以获得正确的时间步数 相比之下，存在静态RNN，它们希望运行整个固定RNN长度。在某些情况下，您可能更愿意这样做，例如，您将输入填充到max\u sequence\u length 简而言之，dyna
dynamic\u RNN（批大小，最大序列长度）最大序列长度的序列上运行RNN以获得正确的时间步数
相比之下，存在静态RNN，它们希望运行整个固定RNN长度。在某些情况下，您可能更愿意这样做，例如，您将输入填充到max\u sequence\u length
简而言之，dynamic\u rnn
通常是可变长度序列数据所需要的。它有一个sequence\u length
参数，它是你的朋友。虽然亚历克斯德皮耶罗的答案是我搜索的，但最初的问题不同。您可以查看关于LSTM及其背后的直觉的详细描述。LSTM是RNN最常见的示例
简单的回答是：状态是从一个时间步传递到另一个时间步的内部细节。输出是每个时间步上输出的张量。通常需要将所有输出传递到下一个RNN层或最后一个RNN层的最后一个输出。要获取最后一个输出，可以使用output[：，-1，：]什么是状态和输出？你能解释一下吗？@xlax这里有一个很好的解释和输出示例：看起来sequence\u length
是一个向量，指定每个实例/批中的长度。但理想情况下，RNN应该能够从长度推断长度（输入可以是可变长度列表/数组的列表/数组），因此您不需要指定序列长度。我认为keras LSTM很好地处理了这个问题，但我不确定。第一段和链接没有回答这个问题