来自Tensorflow中的RNN， Denny Britz 撰写的实用指南和未记录的功能 ，于2016年8月21日发布。

tf.nn.rnn创建一个固定RNN长度的展开图。这意味着，如果使用具有200个时间步长的输入调用tf.nn.rnn ，则将创建具有200个RNN步骤的静态图形。首先，图形创建很慢。其次，您无法传递比原来指定的更长的序列（> 200）。

tf.nn.dynamic_rnn解决了这个问题。它使用tf.While循环在执行图形时动态构建图形。这意味着图形创建速度更快，并且可以喂入可变大小的批处理。

它们几乎相同，但是输入和输出的结构略有不同。从文档：

tf.nn.dynamic_rnn

该函数在功能上与上面的函数rnn相同，但是>执行输入的完全动态展开。

与rnn不同，输入输入不是Python的张量列表，每帧一个。相反，输入可以是单个Tensor，其中最大时间是第一维或第二维（请参阅参数time_major ）。或者，它可以是（可能是嵌套的）张量元组，它们中的每一个都具有匹配的批次和时间维度。相应的输出要么是具有相同时间步长和批处理大小的单个Tensor，要么是此类张量的（可能嵌套的）元组，与cell.output_size的嵌套结构匹配。

有关更多详细信息，请浏览源 。