在Denny Britz关于循环神经网络的博客中。
作者提到，”上图在每个时间步都有输出，但根据任务的不同，这可能不是必要的。例如，在预测句子情感时，我们可能只关心最终的输出，而不在意每个词后的情感。同样，我们可能不需要在每个时间步输入数据。“
当我们仅在最后时间步获取输出时：如果没有每个时间步的输出，只有最后一个输出，反向传播会如何改变？我们需要在每个时间步定义损失，但没有输出该如何定义呢？
回答：
并不是说你“需要在每个时间步定义输出”，实际上，当只有一个输出时，时间上的反向传播比图中展示的要简单。如果只有一个输出，只需“将你的网络旋转90度”，它就会变成一个普通的前馈网络（只是有一些信号直接进入隐藏层）——反向传播像往常一样工作，将偏导数推过系统。当我们在每个步骤都有输出时，情况变得更加复杂，通常你会定义真实损失为所有“小损失”的总和，因此你必须将所有梯度相加。
