我試圖找出在輸入上運行RNN是否更有效，然後在這些輸出上重複運行另一個RNN（一次一個水平層）。或者一次爲所有圖層運行一個時間步（一次一個垂直圖層）。在TensorFlow中實現多層RNN的最有效方法是什麼？
我知道tensorflow的MultiCellRNN類做後者。爲什麼選擇這種方法而不是前者？前者是否同樣有效？是否有時候爲所有圖層一次走一步是可取的？
參見http://karpathy.github.io/2015/05/21/rnn-effectiveness/以供多層RNN參考。
1：如何輕鬆地實現了RNN 使用LSTM細胞，它們通常更好（沒有消失梯度問題）和tensorflow使得它很容易實現他們通過：
從tensorflow.python.ops .rnn_cell導入BasicLSTMCell ... 電池= BasicLSTMCell（state_dim） stacked_lstm = tf.nn.rnn_cell.MultiRNNCell（[單元] * num_layers，state_is_tuple = TRUE）
找出tensorflow網站更多：https://www.tensorflow.org/tutorials/recurrent/
2：水平還是深度？ 就像你可以有一個多層神經網絡一樣，你也可以有一個多層RNN。將RNN細胞想象成神經網絡中的一個層，這是一個特殊的層，可讓您記憶順序輸入。根據我的經驗，您的網絡中仍然會有線性變換（或深度），但是具有多層lstm單元的問題取決於您的網絡拓撲，偏好和計算能力。 （越多越好）輸入和輸出的數量取決於你的問題，並且據我記得，沒有多個水平RNN單元這樣的東西，只是深度。 所有計算一次完成深度明智的一個輸入。 您引用的多層功能非常棒，它可以爲您在引擎蓋下處理所有計算，只需告訴它您需要多少個單元，剩下的就可以完成。
好運