我按照TensorFlow的RNN教程创建了一个LSTM模型。然而，在这个过程中，我对“批次（batches）”和“时间步长（timesteps）”之间的区别感到困惑，如果有的话，我希望能得到帮助来澄清这个问题。

教程中的代码（见下文）基本上是根据指定的步数创建“批次”：

with tf.variable_scope("RNN"):      for time_step in range(num_steps):        if time_step > 0: tf.get_variable_scope().reuse_variables()        (cell_output, state) = cell(inputs[:, time_step, :], state)        outputs.append(cell_output)

然而，下面这个看起来做的是同样的事情：

    for epoch in range(5):        print('----- Epoch', epoch, '-----')        total_loss = 0        for i in range(inputs_cnt // BATCH_SIZE):            inputs_batch = train_inputs[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]            orders_batch = train_orders[i * BATCH_SIZE: (i + 1) * BATCH_SIZE]            feed_dict = {story: inputs_batch, order: orders_batch}            logits, xent, loss = sess.run([...], feed_dict=feed_dict)

回答：

假设你在处理文本，BATCH_SIZE将是你并行处理的句子数量，而num_steps将是任何句子中的最大单词数。这些是你的LSTM输入的不同维度。