我正在尝试在 Tensorflow 中实现 RNN 来进行文本预测。为此，我使用 BasicLSTMCell，序列长度为 100。
如果我理解正确的话，每次我们输入一个新序列时，LSTM的输出激活h_t和激活c_t都会重置(也就是说，它们更新100)沿序列的时间，但是一旦我们移动到批处理中的下一个序列，它们就会重置为 0)。
有没有办法使用 Tensorflow 来防止这种情况发生？也就是说，继续在批处理中的所有序列中使用更新后的 c_t 和 h_t ？ (然后在移动到下一批时重置它们)。
最佳答案
我认为您不想这样做，因为批处理中的每个示例都应该是独立的。如果不是，您应该只使用批量大小为 1 和长度为 100 * batch_size 的序列。通常您可能希望在批处理之间保存状态。在这种情况下，您需要将 RNN 状态保存到变量中，或者像我一样允许用户使用占位符将其输入。
关于python - 在 RNN 中每对序列重置 LSTM 中的 c_t 和 h_t，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/40823341/