tensorflow dynamic_rnn和rnn有什么区别？

Question

tf.nn中有几个与RNN相关的类。在我在网上找到的例子中，tf.nn.dynamic_rnn和tf.nn.rnn似乎可以互换使用，或者至少我不能弄清楚为什么要用其中一个代替另一个。它们之间有什么区别？

- Mad Wombat

---

另请参阅此 Stack Overflow 帖子 https://dev59.com/81gQ5IYBdhLWcg3wnFLJ，作者询问在较新版 TensorFlow 中 tf.nn.rnn 的等效函数是什么，似乎是 tf.nn.static_rnn。 - nbro

Answer 1

来自Denny Britz的《TensorFlow中的RNN：实用指南和未记录功能》，发表于2016年8月21日。

tf.nn.rnn创建一个长度固定的展开图。这意味着，如果您使用具有200个时间步长的输入调用tf.nn.rnn，则会创建一个具有200个RNN步骤的静态图。首先，图形创建慢。其次，您无法传入比最初指定的时间步长更长的序列（> 200）。

tf.nn.dynamic_rnn解决了这个问题。它使用tf.While循环在执行时动态构建图形。这意味着图形创建更快，您可以提供可变大小的批次。

- Abhishek Mishra

---

如果动态RNN提供了所有优势并且几乎没有缺点，为什么还会使用静态RNN？ - xji

你是不是想说“提供不同的序列长度”？据我所知，任何图形都可以轻松地提供不同的批次，只需声明适当的占位符即可。 - user1700890

Answer 2

它们几乎相同，但输入和输出的结构略有不同。根据文档：

tf.nn.dynamic_rnn 此函数在功能上与上面的rnn函数完全相同，但执行完全动态展开输入。 与rnn不同，输入inputs不是Python Tensor列表，每个Tensor表示一个frame。相反，inputs可以是单个Tensor，其中最大时间可能是第一或第二维（请参见参数time_major）。或者，它可以是（可能嵌套的）Tensor元组，每个元组都具有匹配的批处理和时间维度。相应的输出是具有相同时间步长和批处理大小的单个Tensor，或者是（可能嵌套的）这些Tensor元组，与cell.output_size的嵌套结构匹配。

有关更多详细信息，请查看source。

- Dmitriy Danevskiy