Tensorflow中的动态LSTM模型

我希望使用Tensorflow设计一个LSTM模型，其中的句子长度不同。我遇到了一个关于PTB数据集（）的教程。该模型如何捕获不同长度的实例？该示例没有讨论任何关于填充或其他处理可变大小序列的技术

---

如果我使用填充，展开维度应该是什么？

PTB模型在时间上被截断——它总是反向传播固定数量的步骤（配置中的num_步骤）。因此没有填充——它只是读取数据并尝试预测下一个单词，并且总是一次读取num_步单词。

您可以通过两种方式来实现这一点

TF有一种指定输入大小的方法。寻找一个名为“sequence_length”的参数，我在tf.nn.bidirectional_rnn中使用了这个参数。因此，TF只会将细胞展开到序列长度，而不会展开到步长

使用预定义的虚拟输入和预定义的虚拟输出（用于虚拟输出）填充输入。lstm单元将学习预测虚拟输入的虚拟输出。当使用它（比如矩阵计算）时，切掉虚拟零件

---

是的，我也从代码流中得到它。然而，我需要使用一个序列预测，它接受不同长度的输入。如果我用0填充较短的句子，如何在输入序列或输出序列中的预期标签中用0反向传播？