如何在 Keras 中构建自定义 RNN 层？

Question

我正在尝试在 Keras 中实现自定义 RNN 层，并尝试遵循此链接中的说明，该链接基本上指示如何从现有 RNN 类继承。然而，我的公式中隐藏层的更新方程有点不同：h(t) = tanh(W.x + U.h(t-1) + V.r(t) + b)我有点困惑。在此方程中，r(t) = f(x, p(t))是 的函数x，即随时间分布的固定输入，也是 的函数p(t) = O(t-1).alpha + p(t-1)，其中O(t)是每个 RNN 单元的 Softmax 输出。

我认为super(customRNN, self).step在调用继承的step函数后，标准h(t)应该被我的定义覆盖h(t)。但是我不确定如何修改statesandget_constants函数，以及是否需要修改 Keras 中的循环和 simpleRNN 类的任何其他部分。我的直觉是，该get_constants函数仅将丢失矩阵作为额外状态返回到阶跃函数，因此我猜测应该为我的方程中的丢失矩阵添加至少一个状态V。

我最近刚刚开始使用 Keras，但找不到很多关于自定义 Keras 层定义的参考。抱歉，如果我的问题因大量参数而有点不知所措，我只是想确保我没有遗漏任何要点。谢谢！