import?tensorflow?as?tf
from?tensorflow.examples.tutorials.mnist?import?input_data

#?set?random?seed?for?comparing?the?two?result?calculations
tf.set_random_seed（1）

#?this?is?data
mnist?=?input_data.read_data_sets（‘MNIST_data‘?one_hot=True）

#?hyperparameters
lr?=?0.001
training_iters?=?100000
batch_size?=?128

n_inputs?=?28???#?MNIST?data?input?（img?shape:?28*28）
n_steps?=?28????#?time?steps
n_hidden_units?=?128???#?neurons?in?hidden?layer
n_classes?=?10??????#?MNIST?classes?（0-9?digits）

#?tf?Graph?input
x?=?tf.placeholder（tf.float32?[None?n_steps?n_inputs]）
y?=?tf.placeholder（tf.float32?[None?n_classes]）

#?Define?weights
weights?=?{
????#?（28?128）
????‘in‘:?tf.Variable（tf.random_normal（[n_inputs?n_hidden_units]））
????#?（128?10）
????‘out‘:?tf.Variable（tf.random_normal（[n_hidden_units?n_classes]））
}
biases?=?{
????#?（128?）
????‘in‘:?tf.Variable（tf.constant（0.1?shape=[n_hidden_units?]））
????#?（10?）
????‘out‘:?tf.Variable（tf.constant（0.1?shape=[n_classes?]））
}


def?RNN（X?weights?biases）:
????#?hidden?layer?for?input?to?cell
????########################################

????#?transpose?the?inputs?shape?from
????#?X?==>?（128?batch?*?28?steps?28?inputs）
????X?=?tf.reshape（X?[-1?n_inputs]）

????#?into?hidden
????#?X_in?=?（128?batch?*?28?steps?128?hidden）
????X_in?=?tf.matmul（X?weights[‘in‘]）?+?biases[‘in‘]
????#?X_in?==>?（128?batch?28?steps?128?hidden）
????X_in?=?tf.reshape（X_in?[-1?n_steps?n_hidden_units]）

????#?cell
????##########################################

????#?basic?LSTM?Cell.
????#?if?int（（tf.__version__）.split（‘.‘）[1]）?????#?????lstm_cell?=?tf.nn.rnn_cell.BasicLSTMCell（n_hidden_units?forget_bias=1.0?state_is_tuple=True）
????#?else:
????#?????print（“22222“）
????#?????lstm_cell?=?tf.contrib.rnn.BasicLSTMCell（n_hidden_units）