Keras 凯拉斯：我可以在培训后更改RNN的状态吗？
如果我使用stateful=False构建并训练基于RNN的模型，我可以简单地执行（例如）：Keras 凯拉斯：我可以在培训后更改RNN的状态吗？,keras,recurrent-neural-network,tf.keras,Keras,Recurrent Neural Network,Tf.keras,如果我使用stateful=False构建并训练基于RNN的模型，我可以简单地执行（例如）： 它是否如预期的那样在预测中发挥作用？我这样问是因为在其他情况下（例如学习率），暴露的参数是“装饰性的”，实际上不会影响行为。如果您的模型没有状态，则模型会在每个批次后重置状态变量。您可以创建一个有状态的模型，但在使用回调（model.reset_states after on_batch_end callback）进行预测的每个批次之后手动重置状态变量 另外，为什么要在训练后更改状态？我正在训练模型的完
它是否如预期的那样在预测中发挥作用？我这样问是因为在其他情况下（例如学习率），暴露的参数是“装饰性的”，实际上不会影响行为。如果您的模型没有状态，则模型会在每个批次后重置状态变量。您可以创建一个有状态的模型，但在使用回调（model.reset_states after on_batch_end callback）进行预测的每个批次之后手动重置状态变量
另外，为什么要在训练后更改状态？我正在训练模型的完整序列，但在应用程序中，我将一次输入一个样本。我有点不清楚状态性在训练期间的作用，但我认为它会在批之间保持状态，这是我不想要的。确切地说，“stateful=True”允许您在批之间保持状态。否则，将在每个批次后重置。如果您想让模型的状态变量记住长期依赖关系，状态性非常有用。
model.layers[0].stateful = True