如何在 TensorFlow 中构建一个带有循环的简单 RNN？

我刚刚开始使用 TensorFlow，正在尝试实现一个非常简单的 RNN。 RNN 有x作为输入，y作为输出，仅由一个层组成，该层需要x并将之前的输出作为输入。这是我想到的事情的图片：

问题是，我看不到任何通过 TensorFlow API 构建包含循环的图的方法。每当我定义一个张量时，我都必须指定它的输入是什么，这意味着我必须已经定义了它的输入。所以这就存在先有鸡还是先有蛋的问题。

我什至不知道想要定义一个带有循环的图是否有意义（首先计算什么？我必须定义 softmax 节点的初始值吗？）。我尝试使用变量来表示先前的输出，然后手动获取值y并在每次输入训练样本后将其存储在变量中。但这会非常慢，除非有一种方法可以在图表本身中表示这个过程（？）。

我知道 TensorFlow 教程展示了 RNN 的示例实现，但他们作弊并从已经包含循环的库中提取了 LSTM 模块。总的来说，这些教程非常适合指导您如何构建某些东西，但它们可以更好地解释这个野兽的真正工作原理。

那么，TensorFlow 专家们，有没有办法构建这个东西呢？我该怎么做呢？

事实上，所有机器学习框架中的前向和后向传递都假设您的网络没有循环。实现循环网络的一种常见方法是及时将其展开几个步骤（例如 50 个步骤），从而将具有循环的网络转换为没有循环的网络。

例如，在您引用的文档中：

https://www.tensorflow.org/versions/r0.7/tutorials/recurrent/index.html https://www.tensorflow.org/versions/r0.7/tutorials/recurrent/index.html

他们提到

为了使学习过程易于处理，通常的做法是将反向传播的梯度截断为固定数量 (num_steps) 的展开步骤。

它实际上意味着他们将创造num_stepsLSTM 单元，其中每个单元都将值作为输入x对于当前时间步长，以及输出previousLSTM 模块。

The BasicLSTMCell他们使用的并且您认为有循环的实际上没有循环。 LSTM 单元只是单个 LSTM 步骤（具有两个输入 [输入和内存] 和两个输出 [输出和内存] 的块，并使用门根据输入计算输出）的实现，而不是整个 LSTM 网络。