【发布时间】：2017-06-10 22:53:18
【问题描述】：
tf.nn.dynamic_rnn 执行什么样的计算？它如何使用参数cell 和inputs（创建结果）？
我在documentation上查过，但没有找到解释。
【问题讨论】：
标签： python tensorflow deep-learning recurrent-neural-network
【发布时间】：2017-06-10 22:53:18
【问题描述】：
tf.nn.static_rnn 与 tf.nn.dynamic_rnn
在内部，tf.nn.static_rnn 为固定 RNN 长度创建展开图。这意味着，如果您使用具有 200 个时间步的输入调用 tf.nn.static_rnn，您将创建一个具有 200 个 RNN 步的静态图。首先，图形创建很慢。其次，您无法传递比您最初指定的更长的序列（> 200）。
tf.nn.dynamic_rnn 解决了这个问题。它使用tf.while_loop 在执行时动态构建图。这意味着图形创建速度更快，并且您可以提供可变大小的批次。
性能怎么样？
您可能认为tf.nn.static_rnn 比其动态对应物更快，因为它预先构建了图形。
请注意，强烈建议使用
tf.nn.dynamic_rnn。
参考：http://www.wildml.com/2016/08/rnns-in-tensorflow-a-practical-guide-and-undocumented-features/
【讨论】：
-
感谢您的回答，但很抱歉，这并不能回答我的问题。我没有问 RNN 和 Dynamic_RNN 的区别。
-
差异实际上回答了您的问题。动态 rnn 的计算类似于简单的 rnn，唯一的区别在我的回答中提到。如果您不明白，请仔细阅读参考博客文章。