擅长:python、mysql、java
<p>像这样的问题最好的答案是<a href="https://www.tensorflow.org/api_docs/" rel="nofollow noreferrer">TensorFlow API documentation</a>。您提到的两个函数在数据流图中创建操作和符号张量。特别是:</p>
<ul>
<li><p><a href="https://www.tensorflow.org/api_docs/python/tf/squeeze" rel="nofollow noreferrer">^{<cd1>}</a>函数返回一个张量,其值与其第一个参数相同,但形状不同。它删除大小为1的维度。例如,如果<code>t</code>是形状为<code>[batch_num, 1, elem_num]</code>的张量(如您所问),则<code>tf.squeeze(t, [1])</code>将返回内容相同但大小为<code>[batch_num, elem_num]</code>的张量。</p></li>
<li><p><a href="https://www.tensorflow.org/api_docs/python/tf/nn/static_rnn" rel="nofollow noreferrer">^{<cd6>}</a>函数返回一对结果,其中第一个元素表示某个给定输入的递归神经网络的输出,第二个元素表示该输入的该网络的最终状态。TensorFlow网站有一个<a href="https://www.tensorflow.org/tutorials/recurrent/" rel="nofollow noreferrer">tutorial on recurrent neural networks</a>包含更多细节。</p></li>
</ul>