设置表示为 Keras 序列模型的 RNN 的初始状态

Question

如何设置下面构造的循环神经网络rnn的初始状态？

from tensorflow.keras.layers import Dense, SimpleRNN
from tensorflow.keras.models import Sequential

rnn = Sequential([SimpleRNN(3), Dense(1)])

我想在用model.fit 拟合模型之前指定第一层的初始状态。

Answer 1

根据tf.keras.layers.RNN documentation，您可以使用参数initial_state 或数字通过调用函数reset_states 来以符号方式指定初始状态。

符号规范意味着您需要将初始状态作为输入添加到模型中。这是我改编自Keras tests的一个例子：

from tensorflow.keras.layers import Dense, SimpleRNN, Input
from tensorflow.keras.models import Model
import numpy as np
import tensorflow as tf

timesteps = 3
embedding_dim = 4
units = 3

inputs = Input((timesteps, embedding_dim))
# initial state as Keras Input
initial_state = Input((units,))
rnn = SimpleRNN(units)
hidden = rnn(inputs, initial_state=initial_state)
output = Dense(1)(hidden)

model = Model([inputs] + [initial_state], output)
model.compile(loss='categorical_crossentropy', 
              optimizer=tf.compat.v1.train.AdamOptimizer())

一旦你的模型被定义，你就可以进行如下训练：

num_samples = 2

inputs = np.random.random((num_samples, timesteps, embedding_dim))
# random initial state as additional input
some_initial_state = np.random.random((num_samples, units))
targets = np.random.random((num_samples, units))
model.train_on_batch([inputs] + [some_initial_state], targets)

请注意，此方法要求您使用Functional API。对于顺序模型，您需要使用 有状态 RNN，指定 batch_input_shape，并调用 reset_states 方法：

input_shape = (num_samples, timesteps, embedding_dim)
model = Sequential([
    SimpleRNN(3, stateful=True, batch_input_shape=input_shape), 
    Dense(1)])

some_initial_state = np.random.random((num_samples, units))
rnn = model.layers[0]
rnn.reset_states(states=some_initial_state)