在Tensorflow中使用dynamic_rnn时，我注意到一些奇怪的事情。
到目前为止，我没有提供sequence_length参数，我只是提供输入数据和目标。
最近我尝试提供sequence_length参数，因为我知道这是正确的做法。
然而，模型的行为却截然不同，这让我感到很困惑。
我已经训练了一个序列预测模型：给定一系列二元向量（不是一个热点）的网络，试图预测下一个向量。
当我没有提供sequence_length来生成预测时，我得到了这种输出：
The top image is the input sequence, the bottom is the prediction output
它不是超级好，但它似乎遵循输入（或至少它尝试）
当我使用相同的训练模型时，但这次我提供了sequence_length参数，我得到了这种输出：
The top image is the input sequence, the bottom is the prediction output
这是非常糟糕的，就像是在复制第一个输出。
我有三重检查：我提供的序列长度不为零，它是正确的长度值。
当我在训练期间提供sequence_length时，以及在我没有提供sequence_length时，我都会发现同样的问题。
如果我没有弄错的话，如果我在两种情况下使用相同的权重，我应该在有dynamic_rnn参数的情况下得到大致相同的东西吗？
我正在使用Tensorflow 1.0.0
是否有人注意到使用sequence_length并隐藏sequence_length值的任何奇怪内容？或者相反有人检查过他们在有PtToStack->Entry[PtToStack->top] = e ;
的情况下得到的结果是否相同？
知道为什么我会得到那样奇怪的输出吗？
非常感谢您的帮助！
