tensorflow 循环神经网络RNN

# 定义一个 LSTM 结构，LSTM 中使用的变量会在该函数中自动被声明

lstm = tf.contrib.rnn.BasicLSTMCell(lstm_hidden_size)

# 将 LSTM 中的状态初始化为全 0 数组，batch_size 给出一个 batch 的大小

state = lstm.zero_state(batch_size, tf.float32)

# 定义损失函数

loss = 0.0

# num_steps 表示最大的序列长度

for i in range(num_steps): 

     # 在第一个时刻声明 LSTM 结构中使用的变量，在之后的时刻都需要服用之前定义好的变量

     if i>0: 

         tf.get_variable_scope().reuse_variables() 

          # 每一步处理时间序列中的一个时刻。将当前输入（current_input）和前一时刻状态（state）传入定义的 LSTM 结构就可以得到当前 LSTM 结构的输出 lstm_output 和更               新后的状态 

      state lstm_output, state = lstm(current_input, state) 

     # 将当前时刻 LSTM 结构的输出传入一个全连接层得到最后的输出 

     final_output = fully_connected(lstm_output) 

 

     # 计算当前时刻输出的损失

     loss += calc_loss(final_output, expected_output)

链接：http://www.jianshu.com/p/3dbeb3ab9aa3