TensorFlow RNN 教程和代码

分析：

看 TensorFlow 也有一段时间了，准备按照 GitHub 上的教程，敲出来，顺便整理一下思路。

RNN部分

1. 定义参数，包括数据相关，训练相关。
2. 定义模型，损失函数，优化函数。
3. 训练，准备数据，输入数据，输出结果。

代码：

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import tensorflow as tf
from tensorflow.examples.tutorials.mnist import input_data
from tensorflow.contrib import rnn

mnist=input_data.read_data_sets("./data",one_hot=True)

training_rate=0.001
training_iters=100000
batch_size=128
display_step=10

n_input=28
n_steps=28
n_hidden=128
n_classes=10

x=tf.placeholder("float",[None,n_steps,n_input])
y=tf.placeholder("float",[None,n_classes])

weights={'out':tf.Variable(tf.random_normal([n_hidden,n_classes]))}
biases={'out':tf.Variable(tf.random_normal([n_classes]))}

def RN