1、tensorflow中dynamic_rnn和rnn有什么区别？
- 在tensorflow中没有找到rnn这个方法难道是废弃掉了？
rnn是静态图，比如有10个时间序列，那么它将全部展开，并且存储这十个图，
dynamic_rnn是动态的，不会全部存储这些图
dynamic_rnn对于不同的时间步的batch可以是长度不同的数据，它会根据不同的迭代进行对齐
- dynamic_rnn与static_rnn区别
1、输入输出的结构不一样
dynamic_rnn的输入[batch, n_steps, input], 输出对应 [batch, n_steps, output]
static_rnn的输入[n_steps, batch, input], 输出对应[n_steps, batch, input]
2、sparse_softmax_cross_entropy_with_logits vs softmax_cross_entropy_with_logits
二者在tensorflow中的效果都是一样的，先对输出结果进行softmax，然后求交叉熵，不同的一点就是 输入labels的形式,
在sparse_softmax_cross_entropy_with_logits中，labels的维度是[batch_size], 就是batch_size个整数组成的一位向量，每一个整数代表样本的类别，
而在softmax_cross_entropy_with_logits中，labels的维度是[batch_size, num_classes], 也就是每一个样本都以one-hot形式编码
共同点：
输入都需要unscaled logits，因为tensorflow内部机制会将其进行归一化操作以提高效率
参考：https://blog.csdn.net/yc461515457/article/details/77861695
3、tensorflow.contrib.learn.preprocessing.VocabularyProcessor
一个建立字典，并获取索引有用的函数