tensorflow dynamic_rnn和rnn有什么不同？

Question

tf.nn中有几个与RNN相关的类。在我在网上找到的例子中，tf.nn.dynamic_rnn和tf.nn.rnn似乎可以互换使用，或者至少我不明白为什么要用其中一个来代替另一个。有什么关系？

Answer 1

来自RNNs in Tensorflow, a Practical Guide and Undocumented Features，作者丹尼·布里茨，2016年8月21日出版。

tf.nn.rnn为固定的RNN长度创建展开的图形。这意味着，如果您调用具有200个时间步长的输入的tf.nn.rnn，您将创建一个具有200个RNN步长的静态图。首先，图形创建速度很慢。其次，您不能传入比最初指定的更长的序列(> 200)。

tf.nn.dynamic_rnn解决了这个问题。它在执行时使用tf.While循环动态构建图形。这意味着图形创建速度更快，您可以输入可变大小的批次。

Answer 2

它们几乎是相同的，但在投入和产出的结构上略有不同。来自文档：

tf.nn.dynamic_rnn

此函数在功能上与上面的函数rnn相同，但>执行输入的完全动态展开。

与rnn不同，输入输入不是Python张量列表，每个帧一个张量列表。相反，输入可以是单个张量，其中最大时间要么是第一维，要么是第二维(参见参数time_major)。或者，它可以是张量的元组(可能是嵌套的)，每个张量都具有匹配的批次和时间维度。相应的输出要么是具有相同时间步数和批量大小的单个张量，要么是这些张量的元组(可能是嵌套的)，与cell.output_size的嵌套结构匹配。

有关更多详细信息，请浏览source。