本文主要是介绍PredRNN，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在说PredRNN之前，首先回顾一下ConvLSTM。ConvLSTM中首先要定义一层ConvLSTM的含义，每层是一个Cell，每个cell的输入是上一个cell的状态c、输出h和这一层的输入，一共三个。每个时序下是多层Cell连接的结构。纵向箭头是将上一层output当做input，横向箭头将上一时序计算出来的c，h输入。
以Encoder-Forecaster结构为例，图中的RNN中水平的箭头的意思并不是有输入，而是用的还是同一个RNN，也就是说图中一共有3个Cell，有几层呢，对于Encoder来说有3层，每个时序跨越3层。
PredRNN的提出是，学者认为最后一层的RNN中信息最多，却不能很好的传递给下一时序，应该让最底层的RNN同时能获得上一时序中最顶层的信息。于是结构就变成了这样。
这篇关于PredRNN的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
