我正在尝试使用 Tensorflow 实现一些自定义 GRU 单元。我需要堆叠这些单元格，并且我想继承 tensorflow.keras.layers.GRU 。但是，在查看源代码时，我注意到只能将 units 参数传递给 GRU 的 __init__，而 RNN有一个参数，它是一个 RNNcell 列表，并利用它来堆叠那些调用 StackedRNNCells 的单元。同时，GRU仅创建一个GRUCell。
对于我试图实现的论文，我实际上需要堆栈GRUCell。为什么RNN和GRU的实现不同？
最佳答案
在搜索这些类的文档以添加链接时，我注意到一些可能会让您困惑的事情:(目前，就在官方 TF 2.0 发布之前)两个 GRUCell在 TensorFlow 中的实现!有一个 tf.nn.rnn_cell.GRUCell 和一个 tf.keras.layers.GRUCell 。看起来像 tf.nn.rnn_cell 中的那个已弃用，您应该使用 Keras。
据我所知，GRUCell有相同的 __call__()方法签名为 tf.keras.layers.LSTMCell 和 tf.keras.layers.SimpleRNNCell ，并且它们都继承自 Layer 。 RNN 文档给出了有关 __call__() 的一些要求您传递给其的对象的方法 cell论证必须这样做，但我的猜测是，所有这三个都应该满足这些要求。您应该能够使用相同的 RNN框架并向其传递 GRUCell 的列表对象而不是 LSTMCell或SimpleRNNCell .
我现在无法测试这个，所以我不确定你是否传递了 GRUCell 的列表物体或只是 GRU 对象进入RNN ，但我认为其中之一应该有效。
关于python - GRU 和 RNN 实现之间的不一致，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55831278/