深度学习双向RNN
一、概念
一个隐藏层其实是有两个，一个是向前的一个是向后的。向后的就是说后面的输入更新隐藏状态后是给前面用的，这样两个隐藏层合在一起。在实现上只需要把序列反过来训练就可以了。最后两个东西合并起来进入输出层。双向RNN通过反向更新的隐藏层来利用方向时间信息。
那么双向神经网络如何做推理呢？答案是推理只能用单向，双向不适合做推理。双向主要的作用是对一个句子做特征提取，理解场景。
二、代码
from tensorflow.keras.layers import Bidirectional, LSTM
model.add(Bidirectional(LSTM(units=64), merge_mode='concat')) # 合并方式为拼接深度学习RNN文本分类代码详细解读（直接可以跑）-CSDN博客