Python Keras LSTM如何在每个时间步使用隐藏状态将输入更改为LSTM的下一个时间步？

我正在使用

keras

构建

LSTM

模型。在将隐藏状态反馈回内存单元之前，我希望在每个时间步操作隐藏状态，就像正常的LSTM一样。我不确定我的实现是否正确。我发现在keras很难做到这一点

我所做的是在时间窗口的数量上循环，并独立地为特定的时间窗口提供每个输入，这样我只会在该特定输入处获得隐藏状态，并且在操纵后，将能够将其反馈给LSTM，以便下次时间窗口输入：

# initialize hidden state (encoder_state_h, encoder_state_c)
encoder = LSTM(units=units, return_state=True)

for i in range(config.time_window):
    # get only the input at this time step
    current_input = inputs[:, i, :]
    # do some manipulations to the current input which involves the hidden states

    output, encoder_state_h, encoder_state_c = encoder(current_input)
    
    # Saving each hidden state
    encoder_hidden_states.append(encoder_state_h)

# Stacking them as if normal lstm with return_sequence=True
encoder_hidden_states = tf.stack(encoder_hidden_states, axis=-1)

对每个输入所做的操作包括一个注意机制，该机制对于当前问题来说并不重要

问题是我不确定实施是否正确。我没有在上一个隐藏状态下输入到下一个时间步骤（仅输入）。Keras看起来不支持将其作为输入

是Keras自动传播隐藏状态，还是每次调用

编码器时都会重置隐藏状态？

一、 本质上，我们希望在每个时间步对lstm有更多的控制，而这看起来不像是由Keras支持的

欢迎任何解决办法