在张量流中实现一对多的rnn模型

Question

我想实现一个＆＃34;无对多＆＃34; RNN的格式如下："Learning to learn without gradient descent by gradient descent"

重现这项工作https://arxiv.org/pdf/1611.03824.pdf。

此模型的输入（＆＃34; training-data＆＃34;）是函数f，而不是通常的数据序列。我想做的是像

x_0 = tf.constant(..)
h_0 = tf.constant(..)
f_params = tf.placeholder(..)

h = h_0
x = x_0

cell = tf.contrib.rnn.LSTMCell(num_units)

for _ in range(seq_length):
   y = f(x, f_params)
   x,h = cell([x,y],h)

但我找不到办法让这个工作。我可以在网上找到的所有例子都使用tf.contrib.rnn.static_rnn（）或tf.nn.dynamic_rnn（）来实现＆＃34;多对多＆＃34;或者＆＃34;多对一＆＃34;架构。