利用Bidirectional LSTM实现数据集MNIST的分类

       双向循环神经网络（Bidirectional Recurrent Neural Networks，Bi-RNN）的核心是把一个普通的单向的RNN拆分成两个方向，一个随着时间序列正向的，一个逆着时间序列反向的。这样当前时间节点的输出就可以同时利用正向、反向两个方向的信息，而不像普通RNN需要等到后面时间节点才可以获取未来时间信息。这两个不同方向的RNN之间不会共用state，它们之间没有直接连接。每一个时间的输入会分别传到正向和反向的RNN中，它们根据各自的状态产生输出，这两份输出会一起连接到Bi-RNN的输出节点，共同合成最终输出。

BI-RNN结构示意图

利用TensorFlow实现一个Bidirectional LSTM Classifier，并在MNIST数据集上测试。代码来自TensorFlow-Examples的开源实现。

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/bidirectional_rnn.py

from __future__ import print_function

import tensorflow as tf
from tensorflow.contrib import rnn
import numpy as np

# Import MNIST