如何在tensorflow中的多个rnn层中设置不同的权重变量？

嗨，我正在写一个“很多（输入）到很多（输出）”的rnn代码来处理字符预测 . 为此，我将隐藏的图层参数设置如下 . 三个隐藏层，每个隐藏层有100,200和300个隐藏单元 .

hidden layers= [100,200,300]

我的代码是这样的 .

# parameters.
hiddenLayers = [100,200,300]
timeStep = 20 # sequence length
inputDimension = 38 (# of English alphabet + symbols)
outputDimension = 38 (# of English alphabet + symbols)
input_x = tf.placeholder(tyf.float64, [None, timeStep, inputDimension])

# make weights
w1 = tf.get_variable("w1",[hiddenUnits[0],hiddenUnits[1] ],initializer=tf.random_normal_initializer())
w2 = tf.get_variable("w2",[hiddenUnits[1],hiddenUnits[2] ],initializer=tf.random_normal_initializer())
w3 = tf.get_variable("w3",[hiddenUnits[2],outputDimension ],initializer=tf.random_normal_initializer())
# make biases
b1 = tf.get_variable("b1",[hiddenUnits[1]], initializer=tf.constant_initializer(0.0))
b2 = tf.get_variable("b2",[hiddenUnits[2]], initializer=tf.constant_initializer(0.0))
b3 = tf.get_variable("b3",[outputDimension], initializer=tf.constant_initializer(0.0))

def cell_generator(hiddenUnits):
    return rnn_cell = rnn.BasicLSTMCell(hiddenUnits, forget_bias=1.0)

rnn_cell = rnn.MultiRNNCell([cell_generator(_) for _ in hiddenLayers])
outputs, states = tf.nn.dynamic_rnn(rnn_cell, input_x, dtype=tf.float64)

现在我有3个隐藏层，每个隐藏层都有不同数量 . 当我打印出“输出”和“状态”时，他们会说谎 . （我没有参加 Session . ）

print(outputs)
Tensor("rnn/transpose:0", shape=(?, 20, 300), dtype=float64)

print(states)
(LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_2:0' shape=(?, 100) dtype=float64>, h=<tf.Tensor 'rnn/while/Exit_3:0' shape=(?, 100) dtype=float64>),
LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_4:0' shape=(?, 200) dtype=float64>, h=<tf.Tensor 'rnn/while/Exit_5:0' shape=(?, 200) dtype=float64>),
LSTMStateTuple(c=<tf.Tensor 'rnn/while/Exit_6:0' shape=(?, 300) dtype=float64>, h=<tf.Tensor 'rnn/while/Exit_7:0' shape=(?, 300) dtype=float64>))

我认为“输出”应该保存3个隐藏层的每个输出，但它只有最后一个隐藏层，所以我迷失了第1和第2个权重乘以的地方 . 所以现在我有疑问 .

• 我可以使用包含3个隐藏层的"states"变量，这样我就可以将3个权重相乘，并为每个最后的状态添加3个偏差 .

例如...

hidden2 = tf.matmul(state[0],w1) + b1
hidden3 = tf.matmul(state[1],w2) + b2
final_output = tf.matmul(state[2],w3) + b3
# and do the loss calculation for training...

• 有什么方法可以使用“输出”变量来将我的权重和偏差应用到该单元格？

• 或者还有其他方法可以使用我的重量和偏差吗？也许在前面的步骤中初始化权重和偏差（在将basicRNNCell折腾到MultiRNNcell之前）？

我真的想设置不同数量的隐藏层和单位，并将它们与我预定的重量和偏差参数一起应用 . 如果您有任何想法，请告诉我 .

提前致谢 .