Keras 如何为每层堆叠相同的RNN？

我想知道如何堆叠许多层的RNN，但每一层都是相同的RNN。我希望每一层都有相同的重量。我读过堆栈LSTM和RNN，但我发现每一层都不一样

1层代码：

inputs = keras.Input(shape=(maxlen,), batch_size = batch_size)

Emb_layer = layers.Embedding(max_features,word_dim)
Emb_output = Emb_layer(inputs)

first_layer = layers.SimpleRNN(n_hidden,use_bias=True,return_sequences=False,stateful =False)
first_layer_output = first_layer(Emb_output)

dense_layer = layers.Dense(1, activation='sigmoid')
dense_output = dense_layer(first_layer_output )

model = keras.Model(inputs=inputs, outputs=dense_output)
model.summary()

RNN 1层

inputs = keras.Input(shape=(maxlen,), batch_size = batch_size)

Emb_layer = layers.Embedding(max_features,word_dim)
Emb_output = Emb_layer(inputs)

first_layer = layers.SimpleRNN(n_hidden,use_bias=True,return_sequences=True,stateful =True)
first_layer_output = first_layer(Emb_output)
first_layer_state = first_layer.states

second_layer = layers.SimpleRNN(n_hidden,use_bias=True,return_sequences=False,stateful =False)
second_layer_set_state = second_layer(first_layer_output, initial_state=first_layer_state)

dense_layer = layers.Dense(1, activation='sigmoid')
dense_output = dense_layer(second_layer_set_state )

model = keras.Model(inputs=inputs, outputs=dense_output)
model.summary()

堆栈RNN 2层

---

例如，我想构建两个层RNN，但第一层和第二层必须具有相同的权重，这样当我更新第一层中的权重时，第二层必须更新并共享相同的值。据我所知，TF有RNN状态。它返回上一层的值。然而，当我使用它时，似乎每个层都是独立处理的。我想要的2层RNN应该具有与1层相同的可训练参数，因为它们共享相同的权重，但这不起作用。

您可以将层对象视为权重容器，知道如何应用权重。可以根据需要多次使用图层对象。假设嵌入和RNN维度相同，可以执行以下操作：

states=Emb\u层（输入）
第一层=层。SimpleRN（n\u隐藏，使用\u偏差=真，返回\u序列=真）
对于范围（10）内的uu：
状态=第一层（状态）

---

没有理由将stateful设置为

true

。当您将长序列拆分为多个批次，并且RNN需要记住批次之间的状态时，可以使用此选项，这样您就不必手动设置初始状态。您只需从

状态

索引最后一个位置，就可以获得RNN的最终状态（您希望用于分类），您可以更具体一些吗？你到底试了什么？我想把许多RNN层堆叠在一起，但每一层都有相同的权重。例如，我想构建两个层RNN，但第一层和第二层必须具有相同的权重，这样当我更新第一层中的权重时，第二层必须更新并共享相同的值。据我所知，TF有RNN状态。它返回上一层的值。然而，当我使用这个时，似乎每一层都是独立处理的。我现在明白了！非常感谢你的解释。但是如果我将其设置为False，我会与stateful混淆，似乎第一层返回states=None。