我有一个3层卷积神经网络，然后是一层致密层，最后是一个softmax层。目的是训练卷积层，然后用RNN层替换致密层。我的问题是，我需要一个 batch_size 128 ， time_steps 100 ， hidden_state 大小为100.因此，任何输入都必须是形状： [batch_size，n_steps，number_features] ，其中number_features是第3个conv层之后的重新形成池层。
因此，喂食128 (for batch_size) * 100(for num_steps)图像将不适合我的记忆。
我需要实现的目标如下：我需要一次处理128个图像，作为小批量处理，提取其功能，然后保持。在100个小批量之后，我可以将128,100，num_features输入RNN。在这种情况下，我不会耗尽内存。
那么，我怎样才能在tensorflow中实现这个目标呢？
非常感谢任何帮助!!