1.RNN中的input:batch_size,time_steps,input_size.
batch_size是数据的批次，将全部数据划分为n批进行训练；
time_steps为时间步，比如输入为一句话，每一步则为每一个字；
input_size为输入数据本身的维度；
(1) 1行数据 * batch = 全部数据
(2) 1行数据被分为了 n个timestep
所以要把输入数据转化为三维。
input_rnn=tf.reshape(input_rnn,[-1,time_step,rnn_unit])
2.RNN中层和步的概念：层就是像其余神经网络那样的层；步为时间步。t为时间步time_step，depth为层。相关函数分别是：
tf.nn.rnn_cell.MultiRNNCell
tf.nn.dynamic_rnn
3.RNN中需要训练的参数：
W、U、V：状态向量、输入向量、输出向量的参数。