Attualmente, questi modelli sono molto difficili da implementare in TensorFlow in modo efficiente e pulito perché la struttura del grafico dipende dall'input. Ciò rende anche molto difficile fare il minibatching. È possibile utilizzare cose come il ciclo temporale che hai menzionato, ma farlo in modo pulito non è facile.
È possibile creare un nuovo grafico per ogni esempio, ma questo sarà molto fastidioso. Se, per una determinata dimensione di input, è possibile enumerare un numero ragionevolmente piccolo di grafici possibili, è possibile selezionarli e crearli tutti contemporaneamente, ma ciò non sarà possibile per input più grandi.
Puoi anche indirizzare gli esempi attraverso il tuo grafico con complicate tf.gather logiche e maschere, ma questo può anche essere un enorme dolore.
In definitiva, la creazione rapida del grafico per ogni esempio è probabilmente la più semplice e c'è la possibilità che in futuro ci siano alternative che supportino una migliore esecuzione immediata dello stile. Ma a partire dalla v0.8 mi aspetterei che questo sia un po 'fastidioso e introdurre alcuni overhead come menziona Yaroslav nel suo commento.
Edit: Dato che ho risposto, ecco un esempio utilizzando un grafico statico con cicli while: https://github.com/bogatyy/cs224d/tree/master/assignment3 io non sono sicuro di come performante viene confrontato con personalizzato codice C++ per i modelli di questo tipo, anche se in linea di principio potrebbe essere in batch.
Scusa amico ma troppo ampio –
Potresti costruire il tuo grafico al volo dopo aver esaminato ogni esempio? L'attuale implementazione comporta un sovraccarico (forse 1-50ms per chiamata di corsa ogni volta che il grafico è stato modificato), ma stiamo lavorando per rimuovere quell'overhead e gli esempi sono utili. –