如何使用 dynamic_rnn 获取多层 RNN 中每一步和每一层的状态答案

【问题标题】：How to get the states for each step and for each layer in a multilayer RNN using dynamic_rnn如何使用 dynamic_rnn 获取多层 RNN 中每一步和每一层的状态
【发布时间】：2019-12-04 06:36:05
【问题描述】：

我正在构建一个与中设置相同的多层 RNN（使用 MultiRNNCell 包裹单元格，然后使用 dynamic_rnn 调用）：

Outputs and State of MultiRNNCell in Tensorflow

如上述问题所述，dynamic_rnn 返回输出，状态 = tf.nn.dynamic_rnn(...)

输出仅提供我猜来自顶层的输出（因为形状是 batch_size x steps x state_size）。但是，状态会返回每一层的输出（元组有 num_layer 元素，每个元素都包含该层的最后一个状态）。

(1) 有没有什么方法可以以简单的方式评估所有时间步的输出每一层（不仅仅是由 dynamic_rnn 返回的最后一层），而无需运行一个-递归执行RNN并读取每一步的状态？

(2) 是否为最后（顶层）层指示返回的输出？

【问题讨论】：

标签： python python-3.x tensorflow recurrent-neural-network

【解决方案1】：

根据tf.nn.rnn_cell.MultiRNNCell 的文档，您应该可以安全地执行以下操作：

cell_1 = tf.nn.rnn_cell.GRUCell(7, name="gru1")
cell_2 = tf.nn.rnn_cell.GRUCell(7, name="gru2")
outputs_1, states_1 = tf.nn.dynamic_rnn(cell_1, X, dtype=tf.float32)
outputs_2, states_2 = tf.nn.dynamic_rnn(cell_2, outputs_1, dtype=tf.float32)

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    first_layer_outputs = sess.run(outputs_1)
    second_layer_outputs = sess.run(outputs_2)

tf.nn.dynamic_rnn返回的输出，如果提供的单元格为tf.nn.rnn_cell.MultiRNNCell，则确实来自顶层。

【讨论】：