Python 如何将初始隐藏状态传递给lstm层？

我想将自定义初始状态传递给lstm输出，但我只有一个隐藏状态，因此如何传递零初始状态

from tensorflow.keras import layers

x = layers.Input((None,))
x = layers.Embedding(....)(x)
x = layers.Flatten()(x)
imp_vec = Dense()(x)

现在我想使用imp_vec作为隐藏的初始状态，并将其传递给解码器lstm

out, states = layers.LSTM(...., return_state=True)(inputs, initial_state=[imp_vec])

上述代码返回值错误：

ValueError: An `initial_state` was passed that is not compatible with `cell.state_size`. Received `state_spec`=ListWrapper([InputSpec(shape=(None, 200), ndim=2)]); however `cell.state_size` is [10, 10]

---

我发现lstm需要两种状态作为初始状态（即隐藏状态、单元状态），对吗？但是我只有一个隐藏的状态向量来传递给模型，那么我如何才能只初始化隐藏的状态并使lstm自动初始化另一个状态为零呢？

lstm有两个状态，但你只传递一个输入。因此有两种选择

选项1：使用

GRU

GRU只有一个状态，

initial_state=imp_vec

可以正常工作

选项2：创建两个不同的状态 创建

imp_vec_1

和

imp_vec_2

并将其作为

layers.LSTM(..)(..., initial_state=[imp_vec_1, imp_vec_2])

请记住，

LSTM

层按该顺序执行

h_状态

和

c_状态

选项3：使

c_状态

0 如果不想传递

c_状态

，只需传递一组零即可

zero_out = layers.Lambda(lambda x: tf.zeros_like(x))(imp_vec)
layers.LSTM(..)(..., initial_state=[imp_vec, zero_out])

---

@thushv86谢谢，我只是有一个疑问，在

tf.zero\u like（x）

中

x

指的是什么？它应该是什么形状？@user_12，所以这是一个技巧，可以得到一个充满零的状态，它的形状与

imp_vec

完全相同。因为

h

和

c

状态的大小相同。这是一个很好的方法，因为即使批处理维度是

None

，它也允许这样做？所以，如果我们使用

tf.zero_像（x）

这不是平坦层的相同形状吗？你是说

imp\u vec

和

zero\u out

都有相同的形状吗？是的，形状完全相同。LSTM具有两种状态的精确形状隐藏状态（

h

）是第一种状态，单元状态（

c

）是第二种状态。