tensorflow dynamic_rnn和rnn之间的区别是什么？

Question

tf.nn中有几个与RNN相关的类。在我在网络上找到的示例中，tf.nn.dynamic_rnn和tf.nn.rnn似乎可以互换使用，或者至少我似乎无法弄清楚为什么用一个代替另一个。有什么区别？

Answer 1

来自RNNs in Tensorflow, a Practical Guide and Undocumented Features的Denny Britz，发表于2016年8月21日。

  

tf.nn.rnn为固定的RNN长度创建展开的图表。那   意味着，如果您使用输入具有200个时间步长来呼叫tf.nn.rnn   创建一个包含200个RNN步的静态图。首先，图形创建是   慢。其次，您无法传递比（。> 200）更长的序列（> 200）   你最初指定的。

     

tf.nn.dynamic_rnn解决了这个问题。它动态地使用tf.While循环   在执行时构造图形。这意味着图形创建是   更快，您可以提供可变大小的批次。

Answer 2

它们几乎相同，但输入和输出结构略有不同。来自文档：

  

tf.nn.dynamic_rnn

     

此函数在功能上与上面的函数rnn相同，但是＆gt;执行完全动态展开输入。

     

与rnn不同，输入输入不是Tensors的Python列表，一个用于   每一帧。相反，输入可以是单个Tensor，其中最大值   时间是第一维或第二维（参见参数   time_major）。或者，它可能是（可能是嵌套的）元组   张量，每个都具有匹配的批次和时间维度。该   相应的输出是具有相同数字的单个Tensor   时间步长和批量大小，或者这样的（可能是嵌套的）元组   张量，匹配cell.output_size的嵌套结构。

有关详情，请浏览source。