反思tensorflow实现RNN中遇到的问题

1. 在写placeholder时，shape参数一定要和喂给的数据shape一致，这是毋庸置疑的。

   x = tf.placeholder(tf.float32, shape=[None, 71], name='x_input')
   y_ = tf.placeholder(tf.float32, shape=[None, 1], name='y_input')
   

2. tensorflow在运行过程中，遇到某变量存在于feed_dict中时，就会直接把feed_dict喂给程序

   x = tf.placeholder(tf.float32, shape=[None, 71], name='x_input')
   x_re = tf.reshape(x, [-1, 1, 71]) #起初用  x = tf.reshape(x, [-1, 1, 71]) 
   
   #下行中的inputs=x_re起初写做x
   outputs, date = tf.nn.dynamic_rnn(mlstm_cell, inputs=x_re, initial_state=init_state, time_major=False)
   
   #运行train_step，tensorflow在往上寻到inputs=x一句时，直接把feed_dict喂进来了，于是提示shape不匹配
   feed_dict = {x: x_date_batch, y_: y_data_batch, keep_prob: 1.0}
    _, loss_value, y_value, y__value = sess.run((train_step, loss, y, y_), feed_dict=feed_dict)