如何在TensorFlow中为2个单独的输入共享LSTM单元？

假设我有两个输入

q

和

a

，如何使这两个输入共享一个

LSTM

单元？下面是我的部分代码

def lstmnets(self, sequence, seq_len):
    seq_embeds = self.embeds(sequence)

    # lstm_cell = tf.contrib.rnn.BasicLSTMCell(self.hidden_size)
    lstm_cell = tf.nn.rnn_cell.LSTMCell(self.hidden_size)
    init_state = lstm_cell.zero_state(self.batch_size, dtype=tf.float32)
    lstm_out, final_state = tf.nn.dynamic_rnn(lstm_cell, seq_embeds, initial_state=init_state, sequence_length=seq_len)
    return lstm_out

def inference(self, q, a, q_len, a_len):
    with tf.variable_scope('lstmnets') as scope:
        query_rep = self.lstmnets(q, q_len)
        scope.reuse_variables()
        title_rep = self.lstmnets(a, a_len)

但是对于这个代码，我的结构有两个堆叠的

LSTM

，如下图所示。我怎么能只使用一个

LSTM

？此外，如何初始化LSTM权重并将其添加到直方图中？到目前为止，我还没有找到这方面的相关教程。谢谢

---

您的代码似乎很好，因为它使用scope.reuse_variable（）来共享LSTM权重。最好的检查方法是打印图形中的变量，并验证lstm_单元格是否只声明一次。因此，在推理函数中打印变量名称：

def inference(self, q, a, q_len, a_len):
  with tf.variable_scope('lstmnets') as scope:
    query_rep = self.lstmnets(q, q_len)
    scope.reuse_variables()
    title_rep = self.lstmnets(a, a_len)
  for v in tf.global_variables():
    print(v.name)

---

谢谢我会尝试一下。你知道我在哪里可以初始化LSTM单元格权重吗？我打印名称，似乎只有一个LSTM，因为参数是

lstmnets/embeddings:0 lstmnets/rnn/lstmu cell/kernel:0 lstmnets/rnn/lstmu cell/bias:0

，为什么图形有两个堆叠的rnn…或者堆叠的LSTM完全相同，并且它们之间的线表示

共享

？与CNN共享相比，这有点奇怪……是的，图中显示的堆叠LSTM应该是相同的。在那里也查一下他们的名字。我只是深入研究了图表。该行表示两个张量：

内核

和

偏差

。我认为它们是共享的

W

和

U

和

b

。