写在前面
dynamic_rnn是在定义了RNN的主体结构后，对RNNCell进行计算的函数，本文主要来解释tf.nn.dynamic_rnn()的参数，
dynamic_rnn中主要的参数包括cell, inputs, initial_state=None, time_major=False, scope=None
- cell是指定义的RNNCell；
- inputs是指输入的数据，它的基本格式如[batch_size, max_time, inputs_dim]
- 如果inputs的格式是[batch_size, max_time, inputs_dim], 则time_major=False
- 如果inputs的格式是[max_time, batch_size, inputs_dim], 则time_major=True
- initial_state：state初始化输入。
- scope：
疑问
关于initial_state的疑问：
1、是否在调用dynamic_rnn的时候都需要对其state进行初始化
2、每一个batch训练结束之后，当前batch的final_state是否是要通过赋值给下一个batch的initial_state，如果没有赋值,是不是每个batch的state是不搭嘎的，即每个batch都是重新计算state，并且final_state都没有利用起来
Reference
深度学习（08）_RNN-LSTM循环神经网络-03-Tensorflow进阶实现
Why I Use raw_rnn Instead of dynamic_rnn in Tensorflow and So Should You