lstm 的timestep_请问rnn和lstm中batchsize和timestep的区别是什么？

使用RNN在NLP上的应用为例，我们用wij表示第i个句子里面的第j个词语。

这里是一个batch_size=4，sequence_length=7的数据。每个句子的长度不一定相同，也不一定需要等于sequence_length，所以使用pad这样一个特殊词语将每个句子补齐(padding)到固定长度(便于使用matrix或者tensor存储整个batch的数据)

样本1：w11 w12 w13 w14 pad pad pad

样本2：w21 w22 pad pad pad pad pad

样本3：w31 w32 w33 w34 w35 w36 w37

样本4：w41 w42 w43 w44 w45 pad pad

在时间步1，{w11, w21, w31, w41}被RNN处理；在时间步2，{w12, w22, w32, w42}被RNN处理；依此类推。

RNN处理pad的方式有很多种。例如可以把pad当作普通单词一样处理，然后提取上述batch里面的第w14，w22，w37，w45四个位置的状态；或者当一个sequence遇到pad(或者EOS)的时候停止那个sequence上的计算。以tensorflow为例的话，可以参考static_rnn, dynamic_rnn方法的区别。