我无法理解tf.nn.dynamic_rnn tensorflow函数的输出。该文档只是告诉输出的大小，但它没有说明每行/列的含义。来自文档：
输出：RNN输出
Tensor。如果time_major == False（默认值），则形状为
Tensor：[batch_size, max_time, cell.output_size]。如果time_major == True，则形状为
Tensor：[max_time, batch_size, cell.output_size]。注意，如果
cell.output_size是一个（可能是嵌套的）整数元组 或TensorShape个对象，然后outputs将是具有
的元组 与cell.output_size相同的结构，包含具有形状的张量 对应于cell.output_size中的形状数据。州：最终状态。如果
cell.state_size是int，那么这将是 被塑造[batch_size, cell.state_size]。如果是的话TensorShape，这将形成[batch_size] + cell.state_size如果它是一个（可能是嵌套的）整数元组或TensorShape，那么这将是 是一个具有相应形状的元组。
outputs张量是一个三维矩阵，但每行/列代表什么？
答案 0 :(得分：28)
tf.dynamic_rnn提供了两个输出outputs和state。
outputs包含每个时刻RNN小区的输出。假设默认为time_major == False，假设您有一个由10个示例组成的输入，每个示例包含7个时间步长，每个时间步长都有一个大小为5的特征向量。然后您的输入将是10x7x5（batch_size x max_time x features）。现在，您将此作为输入提供给输出大小为15的RNN单元。从概念上讲，每个示例的每个时间步都输入到RNN，并且您将获得每个这样的15个长向量。这就是outputs包含的内容，在这种情况下，大小为10x7x15（batch_size x max_time x cell.output_size）的张量与每个时间步的RNN单元的输出。如果您只对单元格的最后一个输出感兴趣，则可以将时间维度切片以仅选择最后一个元素（例如outputs[:, -1, :]）。state包含处理完所有输入后的RNN状态。请注意，与outputs不同，它不包含有关每个时间步的信息，而只包含最后一个信息（即在之后的最后一个）。根据您的情况，州可能有用也可能没用。例如，如果您有很长的序列，您可能不希望/能够在一个批处理中处理它们，并且您可能需要将它们分成几个子序列。如果你忽略state，那么每当你给出一个新的子序列时，就好像你开始一个新的;但是，如果您记住状态（例如输出或将其存储在变量中），您可以稍后将其反馈（通过initial_state的{{1}}参数）以便正确跟踪状态在完成整个序列后，RNN只会将其重置为初始状态（通常为全零）。 tf.nn.dynamic_rnn的形状可能会因您使用的RNN单元格而异，但通常情况下，每个示例都有一些状态（一个或多个尺寸为state x {{1其中batch_size取决于单元格类型和大小）。