假设我有训练数据X，Y，其中X具有形状（n，m，p）
我想建立一个神经网络，它将由f给出的RNN（后面是密集层）应用于每个i-slice（i，a，b）并输出具有形状的f（m，x）（p '）然后连接所有输出切片（可能使用tf.map_fn（f，X））以形成维度（n，p'）的向量，然后在（n，p'）上运行下一个神经网络。
基本上类似于： X'= tf.map_fn（f，X） Y = g（X'）
我很难理解如何准备我的训练数据，其形状应该是X，X'（以及后来的Z）。
如果我想将X'与另一个数据集合并，比如Z，还有什么呢？ Y = g（X'连续Z）
答案 0 :(得分：0)
我认为你不需要map_fn，你需要tf.dynamic_rnn。它需要一个RNN信元（因此它知道什么是输出和状态）并返回连接的输出和连接状态。