如何在keras中包装张量流RNNCell？答案

【问题标题】：How to wrap a tensorflow RNNCell in keras?如何在keras中包装张量流RNNCell？
【发布时间】：2019-05-14 01:33:34
【问题描述】：

我想在 keras 层中实现自定义 LSTM 单元。实际上这个实现存在于 tensorflow 中，所以我想知道是否可以将其包装为 keras 层并在模型中调用它。

我发现官方documentation 太简单了，看不到如何构建自定义 RNN 层。 here 和 here 也有类似的问题，但似乎没有得到解决。

提前感谢您的帮助！

【问题讨论】：

标签： python tensorflow keras rnn keras-layer

【解决方案1】：

现在 tensorflow 的文档可能在问题发布后有所改进。

您可能需要查看this guide 或this SO answer 以供参考。

【讨论】：

【解决方案2】：

根据我的理解，您应该能够在类层的 init() 中初始化单元格，然后在调用方法中使用您的输入引用它。

例如：

class MySimpleLayer(Layer):
  def __init__(self, lstm_size):
    super(MySimpleLayer, self).__init__()
    self.lstm = tf.contrib.rnn.BasicLSTMCell(lstm_size)

  def call(self, batch, state):
    return self.lstm(batch, state)

layer = MySimpleLayer(lstm_size)
logits = layer(batch, state)

这个实现是最基本的，所以你可能需要研究 build() 和 compute_output_shape() 方法来处理更复杂的用例。

【讨论】：

对不起，call 这样的定义与Layer 不匹配；我得到 TypeError: call() missing 1 required positional argument: 'states'
Call() 肯定与 Layer 类一起使用，正如 here 所指定的那样。对我来说，这看起来像是一个实施错误。尝试将 [batch, state] 作为单个列表输入传递给 call()。