Deep learning 访问Keras中以前RNN状态的softmax输出
我的RNN中的递归公式是Deep learning 访问Keras中以前RNN状态的softmax输出,deep-learning,keras,recurrent-neural-network,softmax,Deep Learning,Keras,Recurrent Neural Network,Softmax,我的RNN中的递归公式是h（t）=tanh（W.x（t）+U.h（t-1）+V.O（t-1）+b，其中O（t-1）是时间t-1时RNN的分类输出（Softmax输出）。如何在下一时间步访问此输出 我想我必须编写一个定制的RNN，但是我对Keras中recurrent.py中的所有递归函数感到有点困惑，我不确定应该修改哪些部分 你可能想看看keras主页上的经常性文档：或者阅读关于这个主题的链接文章。在我看来，您的问题就像一个简单的RNN层，带有softmax otuput。Keras接着做其余的
h（t）=tanh（W.x（t）+U.h（t-1）+V.O（t-1）+bO（t-1）t-1我想我必须编写一个定制的RNN，但是我对Keras中recurrent.py中的所有递归函数感到有点困惑，我不确定应该修改哪些部分 你可能想看看keras主页上的经常性文档：或者阅读关于这个主题的链接文章。在我看来，您的问题就像一个简单的RNN层，带有softmax otuput。Keras接着做其余的。@ThomasPinetz谢谢你的评论。嗯，我没有发现任何有用的东西。显然，我需要深入研究代码（高达5-6级）来进行修改，以达到我的目的：（，但是代码对我来说太混乱了。我希望有一种聪明的方法来做到这一点，因为我需要分别使用
O（t-1）h（t）