tf.nn.dynamic_rnn

本文探讨了在TensorFlow中使用RNN的实践指南,包括dynamic_rnn和static_rnn的区别,以及如何根据sequence_length参数调整计算流程。dynamic_rnn能够根据序列长度动态生成计算图,而static_rnn则需要对所有序列进行相同的计算。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

参考RNNs in Tensorflow, a Practical Guide and Undocumented Features会更清楚些。我理解不论dynamic_rnn还是static_rnn(1.0版本没有tf.nn.rnn了),每个batch的序列长度都是一样的(不足的话自己要去padding),不同的是dynamic会根据 sequence_length 中止计算。另外一个不同是dynamic_rnn动态生成graph



作者:elzyyzl
链接:https://www.zhihu.com/question/52200883/answer/155759087
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值