RNN输入编码疑问：4灯序列决策任务需用4维还是8维输入？

针对你这个4盏灯先后点亮的决策任务，两种编码方案的适用场景和优劣很明确：

• 优先选择分时间步输入两个4维向量
  你的任务核心是有先后顺序的灯光组合，而RNN的核心优势就是捕捉时序依赖关系。把第一次点亮的灯用4维one-hot向量（比如亮第1盏就是[1,0,0,0]）作为RNN的第一个时间步输入，第二次的作为第二个时间步输入，RNN会通过隐藏状态自动记住第一次的灯光信息，再结合第二次的输入完成决策。这种方式完全贴合任务逻辑，还能保留扩展性——如果后续要增加点灯次数，直接加时间步就行，不用改输入维度。

• 8维向量一次性输入的局限性
  把两次点灯的4维向量拼起来做成8维向量（比如[1,0,0,0,0,1,0,0]）喂给单时间步的RNN，相当于直接抹掉了时序信息，RNN的时序能力根本没用到，效果和用普通MLP差不多。只有当你的任务完全不关心点灯顺序（比如先亮A后亮B和先B后A决策完全一致）时，这种方案才勉强可行，但此时用RNN其实是浪费算力。

总结：如果你的任务需要区分点灯的先后顺序，果断用分时间步的4维向量输入，这才是RNN该有的用法。

内容的提问来源于stack exchange，提问作者Blade