dynamic memory network

论文：https://arxiv.org/pdf/1506.07285.pdf

模型：https://github.com/XiangwenNing/dynamic-memory-network

（抄自：https://github.com/Shawn1993/Dynamic-Memory-Network-for-Tensorflow）

代码首先对input跟问题进行了embedding，并分别用rnn进行了encoding。然后attention_machanism，get_episode和add_episode_memory_module是从后往前调用的，所以阅读代码的时候，从后往前看。episode作为gru的输入去更新memory，而episode的来源是，拿每个time step的input作为另一个gru的输入，利用公式

hit = gti GRU (ct , hit−1 ) + (1 − gti )hit−1 更新hidden 向量，最后得到的hidden 向量就是episode。