我想加速我的LSTM网络，但是当我将它用于OCR（序列具有可变长度）时，我不能使用普通的LSTM实现。这就是我使用“tf.nn.dynamic_rnn”的原因。
基于张量流中的RNN基准（https://github.com/tensorflow/tensorflow/blob/754048a0453a04a761e112ae5d99c149eb9910dd/tensorflow/contrib/cudnn_rnn/python/kernel_tests/cudnn_rnn_ops_benchmark.py#L77），CUDNN实现用于一次创建所有模型（它不像其他模型那样使用“tf.nn.rnn”结构）。我假设可能不可能使用可变长度的CUDNN，但也许任何人都成功了吗？
其次，这是使用“tf.nn.bidirectional_dynamic_rnn”，因为我想将Bi-LSTM用于OCR。但是在实施第一部分之后应该解决这个问题。
编辑：看起来“tf.contrib.cudnn_rnn.CudnnLSTM”里面有“双向”实现。所以唯一未知的是CUDNN可以与变量输入序列一起使用。
或者任何使用'CudnnLSTM'的工作示例都会有所帮助。
刚发现这个：
tf.contrib.cudnn_rnn.CudnnLSTM当前不支持具有不同长度序列的批处理，因此通常不能使用此选项。
资料来源：http://returnn.readthedocs.io/en/latest/tf_lstm_benchmark.html
TensorFlow很快将最终支持变量序列长度：https://github.com/tensorflow/tensorflow/blob/2f672ee9562a452f8dbfa259a8ccec56367e9b17/tensorflow/contrib/cudnn_rnn/python/layers/cudnn_rnn.py#L389
看起来它落后的时间太晚了1.13，所以它可能只适用于TensorFlow 1.14。
您今天可以尝试安装tf-nightly-gpu包并传递sequence_lengths=lengths，其中lenghts是带有tf.int32形状的[batch_size] Tensor，包含批次中每个序列的长度。