我想了解下图中Tensorflow的BasicRNNCell在循环神经网络中的结构是什么？我觉得它是一个有3层和12个神经元的神经网络。但我不确定这些连接是什么样的？我不确定这是否是一个霍普菲尔德网络？

cell = tf.contrib.rnn.BasicRNNCell(num_units=12)states_series, current_state = tf.nn.dynamic_rnn(cell=cell,inputs=batchX_placeholder,dtype=tf.float32)

回答：

这是基本RNN单元的一层，每层有12个隐藏单元。单元的数量取决于你的batchX_placeholder占位符。

这里是一个例子：

n_steps = 2n_inputs = 3n_neurons = 5    X = tf.placeholder(dtype=tf.float32, shape=[None, n_steps, n_inputs])basic_cell = tf.nn.rnn_cell.BasicRNNCell(num_units=n_neurons)outputs, states = tf.nn.dynamic_rnn(basic_cell, X, dtype=tf.float32)print(tf.trainable_variables())

它会打印…

[<tf.Variable 'rnn/basic_rnn_cell/kernel:0' shape=(8, 5) dtype=float32_ref>,  <tf.Variable 'rnn/basic_rnn_cell/bias:0' shape=(5,) dtype=float32_ref>]

所以它创建了一个共享的内核矩阵和一个共享的偏置向量。单元的数量对应于output.shape（从X.shape派生），在这个例子中是[?, 2, 5]。所以有2个单元。

如果你希望创建多层，你应该使用tf.nn.rnn_cell.MultiRNNCell函数，该函数接受每层单元的列表。