RNN应该是目前用的比较多的技术框架 ，无论是NLP还是CV等领域，今天 我们就详细的讲解一下关于RNN的具体知识
1、RNN为什么不能直接反向传播呢？
首先我们回顾一下普通的反向传播，过程如下所示：
、、
我们为了简便暂时不考虑激活函数，我们可以用以下的链式法则计算：
这个是非常简单的，现在我们来看看RNN是什么样子的：
这样我们就不能直接求偏导了，如果我们还是按照上面那种方法求偏导，试想以下，后面递归的w3变量将会是无穷多，因为h也是递归的，如果要解决这个问题，必须将这个时间序列给拆开，如以下形式：
但是这种仍然存在一个毛病，我们需要求单个RNN的时候，就需要求所有先前时间步长的梯度和得到一个梯度，并且用梯度来更新RNN，素以这时间步数的增加，这种计算会变得非常的昂贵，于是提出来了截断的基于事件的反向传播（TBPTT），用来优化递归的模型。这里可以参考以下文献，意思就是我们只计算倒数到t-T的时候就结束了。并没有从一开始就计算导数。（简而言之就是上面那个求和公式我不需要全部求和 我只求最近的一部分）
