python - 将有状态 LSTM 称为功能模型？

Question

我有一个定义为顺序模型的有状态 LSTM:

model = Sequential()
model.add(LSTM(..., stateful=True))
...

稍后，我将其用作功能模型:

input_1, input_2 = Input(...), Input(...)
output_1 = model(input_1)
output_2 = model(input_2)  # Is the state from input_1 preserved?

当我们在 input_2 上再次应用 model 时，来自 input_1 的状态是否保留？如果是，如何在调用之间重置模型状态？

Answer 1

根据此 link 中的在 RNN 中使用有状态性的注意事项和 Keras implementation如果满足以下条件，则答案是是:

1. 两个模型中的 batch_size 相同(由于 Keras 计算内部状态的方式，这很重要)。
2. 您将首先构建和编译这两个模型，然后使用它们 - 出于某种原因，Keras 在层的 build 期间重置内部状态(您可以通过查找 来检查 here code>reset_states 方法)。

如果你想重置状态，你可以在你想要重置状态的每个循环层上调用 reset_states 方法。