小编给大家分享一下如何使用tf.nn.dynamic_rnn展开时间维度，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
对于单个的 RNNCell ， 使用色的 call 函数进行运算时 ，只是在序列时间上前进了一步 。
如使用 x1、 ho 得到此h2， 通过 x2 、 h2 得到 h3 等 。
tf.nn.dynamic_rnn的作用：
如果序列长度为n，要调用n次call函数，比较麻烦。对此，TensorFlow提供了一个tf.nn.dynamic_mn函数，使用该函数相当于调用了n次call函数。通过{ho, x1 , x2，…， xn} 直接得到{h2 , h3，…， hn} 。
具体来说，设输入数据的格式为（batch_size, time_steps, input size），
其中batch_size表示batch的大小，即包含几个序列。
time_steps表示序列长度，
input_size表示输入数据单个序列单个时间维度上固有的长度。
此时，得到的outputs是time_steps步里所有的输出。它的形状为(batch_size, time_steps, cell.output size）。state 是最后一步的隐状态，形状为（batch_size, cell . state_size） 。
至此，在对每一步的输出进行变换，可以得到损失并进行训练模型了。
以上是“如何使用tf.nn.dynamic_rnn展开时间维度”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联成都网站设计公司行业资讯频道！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
