ساختار شبکه rnn و مفهوم shape ورودی (اصلاح سوال)

Question

ارتباط بین تایم استپ و سایز ورودی و سایز اطلاعاتی که از استپ های قبل میاد چیه؟ فرضا می خوایم دنباله ی خیلی ساده ای از اعداد مثل 1-2-3-4-5-6-7-8-9 و... رو پیش بینی کنیم. اینجا batch و سایز ورودی توی هر استپ زمانی چطور میتونه باشه؟

Answer 1

تنسورفلو مثال های زیادی برای شبکه های بازگشتی داره:
در مورد مدل زبانی: https://www.tensorflow.org/tutorials/recurrent/
و همین طور تعدادی بلاگ هستند که توضیحات مناسبی دادند:
http://www.wildml.com/2016/08/rnns-in-tensorflow-a-practical-guide-and-undocumented-features/
البته من مثالی که شما میگید رو ندیدم که بتونم بهتر جواب بدم.
ولی به صورت کلی : ورودی های rnn دنباله ها هستند. برای آموزش هم طبق روال اکثر شبکه های از دسته های کوچک :
(mini-batch) استفاده میشه. در هر مرحله یک عنصر از دنباله ( یک دسته از عناصر در batch) به شبکه تغذیه میشه. در برخی از مسایل مانند mnist داده های مانند تصویر دو بعدی هستند و اگر ورودی شبکه مورد نظر یک بعدی باشد ( یا برعکس) نیاز است شکل وردی (shape ) تغییر کند.
اینکه سوال شما تا کنون پاسخ نگرفته فکر می کنم به خاطر ابهام در سوال است شاید بهتر باشد سوال خود را دقیق تر مطرح کنید.