tensorflow dynamic_rnn和rnn有什麼區別？

Question

tf.nn中有幾個與RNN相關的類。在我在網上找到的例子中，tf.nn.dynamic_rnn和tf.nn.rnn似乎可以互換使用，或者至少我似乎無法弄清楚爲什麼要用一個來代替另一個。有什麼不同？

Answer 1

從RNNs in Tensorflow, a Practical Guide and Undocumented Features丹尼布里茨，發表於8月21日，2016年

tf.nn.rnn創建用於固定RNN長度的展開圖。那 的意思是，如果你打電話給tf.nn.rnn輸入有200個時間步，你就是 創建一個帶有200個RNN步的靜態圖。首先，圖形創建速度慢，爲 。其次，您無法傳遞比您最初指定的 更長的序列（> 200）。

tf.nn.dynamic_rnn解決了這個問題。它使用一個tf.While循環動態地執行 構建圖形。這意味着創建圖表的速度更快，您可以提供批量的可變大小。

Answer 2

它們幾乎相同，但輸入和輸出結構有一些差異。從文檔：

tf.nn.dynamic_rnn

此功能在功能上等同於上述的功能rnn，但>執行的輸入完全動態展開。

與rnn不同，輸入輸入不是張量的Python列表，每個幀都有一個 。相反，輸入可以是單張量，其中最大時間是第一維或第二維（參見參數 time_major）。或者，它可能是一個 Tensors（可能是嵌套的）元組，它們每個都有匹配的批處理和時間維度。 相應的輸出是具有與時間步長和批量大小相同的數字 的單張量或這種張量的（可能嵌套的）元組，匹配cell.output_size的嵌套結構。

有關更多詳細信息，請瀏覽source。