之前讲的RNN都只有一个隐藏层（序列变长不算是深度），而一个隐藏层的RNN一旦做的很宽就容易出现过拟合。因此我们考虑将网络做的更深而非更宽，每层都只做一点非线性，靠层数叠加得到更加非线性的模型。
浅RNN：输入-隐层-输出
深RNN：输入-隐层-隐层-...-输出
（课程视频中的图片有错误，最后输出层后一时间步是不受前一步影响的，即没有箭头）
第一层的第t步状态是关于第一层第t-1步状态和第t步输入的函数
- 深度循环神经网络使用多个隐藏层来获得更多的非线性性
将RNN/GRU/LSTM做深都是一个道理，三者只是使用的函数f不同。
Q1: NLP那个方向好找工作？文本翻译是不是现在只在学术研究中才需要自己实现？（2021-7-27）
文本翻译已经是一个很成熟的领域，NLP挺好找工作，人产生的文本远多于图片。
Q2: 关于BPTT
课上不讲，书上有讲原理
Q3: 深层RNN是不是每层都需要一个初始hidenstate?
是的
Q4: 可不可以手动实现hidden_size不一样的多层RNN？
应该没问题，但通常大家不会去调hidden_size，因为网络不会做的很深，最后还有全连接层。
Q5: 关于课上提到的classifier
分类的任务在最后的全连接层完成