Tensorflow 序列长度是否有助于动态rnn的性能？

在中国，他们这样说：

注意句子有不同的长度，为了避免浪费计算，我们通过source sequence length告诉dynamic\n确切的源句子长度

使用此代码：

编码器输出，编码器状态=tf.nn.dynamic\u rnn(
编码器单元，编码器emb inp，
序列长度=源序列长度，时间长度=真）

然而，我正在阅读，上面写着：

参数

sequence\u length

是可选的，用于复制整个状态 当超过批处理元素的序列长度时，将输出归零。所以这更重要 为了正确性而不是性能

---

我只是想知道序列长度是否真的有助于动态网络的性能，比如说，他们做了一些动态扣件？如果有，有什么地方可以让我读到更多关于它的信息吗？非常感谢。

对性能不太确定，但据我所知，至少这是为了帮助您保持状态的准确性。即使它重复执行不必要的（归零）步骤，我的理解是，至少它不会更新归零序列的那些部分的状态。不确定性能，但从我的理解来看，至少它是为了帮助您保持状态的准确性。即使它重复执行不必要的（归零）步骤，我的理解是，至少它不会更新归零序列的那些部分的状态。