将有状态LSTM称为功能模型？

Question

我将有状态LSTM定义为顺序模型:

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

后来,我将它用作功能模型:

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

input_1当我们model再次申请时,input_2是否保留了州 ？如果是,我如何在呼叫之间重置模型状态？

Answer 1

遵循此链接中有关在 RNN 中使用状态性的注释和Keras 实现，如果满足以下条件，则答案为“是”：

1. 两个模型中的batch_size是相同的（这很重要，因为 Keras 计算内部状态的方式）。
2. 您将首先构建并编译这两个模型，然后使用它们 - 由于某种原因，Keras 正在重置build层期间的内部状态（您可以在此处通过查找reset_states方法进行检查）。

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