变长序列输入到循环神经网络（RNNs）中的完整工作示例（不是代码片段）是什么？
例如，PyTorch据说可以实现变长序列作为RNNs的输入，但似乎没有完整工作代码的例子。
相关链接：https://github.com/pytorch/pytorch/releases/tag/v0.1.10https://discuss.pytorch.org/t/about-the-variable-length-input-in-rnn-scenario/345
回答：
遗憾的是，并不存在所谓的“变长”神经网络。这是因为网络无法“知道”对于未经训练的额外输入节点应使用哪些权重。
然而，你在那个页面上看到的“变长”，是因为它们处理：
a b c d ea b c d e f g ha b c da b变成
a b c d e 0 0 0a b c d e f g ha b c d 0 0 0 0a b 0 0 0 0 0 0它们将所有“空”变量转换为0。这很有意义，因为0不会对网络的隐藏层产生任何影响，无论权重如何，因为任何数乘以0等于0。
所以，基本上，你可以有“变长”输入，但你必须定义某种最大尺寸；所有小于该尺寸的输入都应该用零填充。
另一方面，如果你在对句子进行分类，你可以使用LSTM/GRU网络来顺序处理输入。
