状态的传递

Question

1、老师这个单步训练的decoder是怎么保证上一时间步的状态能够传到下一时间步的
2、这个decoder的output, state = self.gru(x)为什么不像encoderoutput, state = self.gru(x, initial_state = hidden)一样设置initial_state = hidden参数呢，decoder不需要状态的初始化吗
3、以下理解是否正确
对于

keras.layers.SimpleRNN

我这样理解，不调用fit函数时RNN单元中的state永远会在下一个时间步传入该RNN单元作为状态输入，但当调用fit函数时，当完成了一个batch的（假如有n个时间步）n次循环后，进入下一个batch前，此时会自动调用model.reset_states()来重新初始化状态，若在keras.layers.SimpleRNN设置了stateful = True参数后，就不会有在完成了一个batch后，进入下一个batch前，自动调用model.reset_states()来重新初始化状态这一操作了

Answer 1

正十七 2020-02-26 13:48:08

先回答问题1和2，

可以参考GRU的API文档，https://www.tensorflow.org/api_docs/python/tf/keras/layers/GRU

可以看到，initial_state只给第一次调用这个的时候用，然后如果没有默认就是全0的矩阵。

然后回到我们的encoder和decoder的实现，encoder中，我们调用initialize_hidden_state来初始化hidden state, 这一步也是初始化为0的矩阵，这里是让大家知道这个东西的shape，在调GRU的时候带不带这个参数是一样的。

而且，initial_state是只在初始化的时候有用，在中间步骤中是无效的，因为此时，GRU会自带隐含状态。而在encoder和decoder中的使用也有不同，encoder中，处理的x是一个长度为n的一维向量，即一个句子。这里只有一次调用就一下子处理了整个句子，因为只有一次调用，所以传initial_state是对的。而在decoder中，因为要每一步计算attention，所以GRU的调用是一步一步的，此时如果每次传initial_state就不对了，因为它只有第一步调用的时候起作用。

总而言之，一句话那就是GRU的中间状态是有cell自动传的，我们能够改变的只是初始化的状态。

问题3，你的理解是对的。stateful = True控制的就是状态会不会传到下一个batch。