当使用dynamic_rnn 时，需要一个名为initial_state 的参数。一个简单的解决方案是
initial_state = lstm_cell.zero_state(batch_size, tf.float32)
但是我想把初始状态设置为可以优化的参数，怎么办？
我可以定义两个 trainable_variables，分别称为 h0 和 c0，它们是两个向量。但是dynamic_rnn 需要两个矩阵，其中第一个维度是batch_size。如何将向量h0 扩展为每行为h0 的矩阵？
【问题讨论】：
标签： tensorflow recurrent-neural-network
如果你做了这样的事情呢？
initial_state_vector = tf.get_variable('initial_state_vector', [1, state_size])
initial_state = tf.tile(initial_state_vector, batch_size)
然后您可以将initial_state 变量提供给 LSTM，它将是正确的大小。
【讨论】：
tf.tile 将所有值链接在一起（以确保您只学习state_size many values 而不是batch_size * state_size many values）。你知道是不是这样吗？
initial_state = tf.tile(initial_state_vector, [batch_size, 1]) tf.tile的第二个参数应该是一个list或者一个tensor，其中每个item 平铺 initial_state_vector 的每个维度。
'Tensor' object is not iterable，知道为什么吗？