如何在张量流中解码一对多LSTM架构（https://discuss.pytorch.org/t/example-of-many-to-one-lstm/1728）？我们可以使用张量流的tf.contrib.seq2seq.dynamic_decode吗？
对于培训，我使用了tf.nn.dynamic_rnn
cells = []
for i, each_filter in range(4):
cell = LSTM cell / GRU cell
cells.append(cell)
cell = tf.nn.rnn_cell.MultiRNNCell(cells, state_is_tuple=True)
states_series, current_state = tf.nn.dynamic_rnn(cell, inputs, dtype=inputs.dtype)
如何使用cell解码一对多序列问题在测试时？
我的数据集不是关于单词的，例如假设我想预测[4,1,2,3]给定输入8