Bi-LSTM with attention tensor transformation

[rejae]

                    outputs, current_state = tf.nn.bidirectional_dynamic_rnn(lstm_fw_cell, lstm_bw_cell,embedded_words, dtype=tf.float32, scope="bi-lstm" + str(idx))
                   embedded_words = tf.concat(outputs, 2)

    # 将最后一层Bi-LSTM输出的结果分割成前向和后向的输出
    outputs = tf.split(embedded_words, 2, -1)

为什么先对最后一层进行concat后，又split拆开使用，都是针对axis=2拼接和拆开，直接使用bidirectional_dynamic_rnn, 返回的outputs元组不行么？

[rejae]

在多层的时候embedded_words还需要传入下层，现在get到了