Tensorflow图像字幕教程-解码器RNN状态_Tensorflow_Machine Learning_Deep Learning_Tensorflow2.0_Recurrent Neural Network

Tensorflow图像字幕教程-解码器RNN状态

tensorflow machine-learning deep-learning

Tensorflow图像字幕教程-解码器RNN状态,tensorflow,machine-learning,deep-learning,tensorflow2.0,recurrent-neural-network,Tensorflow,Machine Learning,Deep Learning,Tensorflow2.0,Recurrent Neural Network,关于我在Tensorflow中阅读的一个教程，我有一个小问题，它是图像字幕教程（）我们可以在下面的代码块中看到GRU在解码阶段的用法，其中x是与输入连接的注意上下文向量 # passing the concatenated vector to the GRU output, state = self.gru(x) 我不明白为什么我们不把之前的隐藏状态也传递给GRU。当我们按顺序解码时，我们应该将之前的隐藏状态赋予实际的GRU，我错了吗？也许实现是自动完成的我来自PyTorc

关于我在Tensorflow中阅读的一个教程，我有一个小问题，它是图像字幕教程（）

我们可以在下面的代码块中看到GRU在解码阶段的用法，其中x是与输入连接的注意上下文向量

    # passing the concatenated vector to the GRU
    output, state = self.gru(x)

我不明白为什么我们不把之前的隐藏状态也传递给GRU。当我们按顺序解码时，我们应该将之前的隐藏状态赋予实际的GRU，我错了吗？也许实现是自动完成的

我来自PyTorch，在那里我们将前一个隐藏状态+输入提供给当前RNNCell

提前感谢您的回答