在 Keras 自定义 RNN 单元中，输入和输出的维度是多少？答案

【问题标题】：In a Keras custom RNN cell, what are the dimensions of the inputs and outputs?在 Keras 自定义 RNN 单元中，输入和输出的维度是多少？
【发布时间】：2019-08-30 02:55:30
【问题描述】：

自定义单元格采用 (input,state) 并生成 (output,state)。我相信 input 是一个张量，而 state 是一个张量列表。从与错误消息的斗争来看，张量似乎带有一个额外的维度，但我不确定在 RNN 的上下文中会是什么。另一个维度是干什么用的？预期的输出大小/形状是多少？

顺便说一下，我正在使用 Tensorflow 后端。

【问题讨论】：

标签： keras recurrent-neural-network tf.keras

【解决方案1】：

单元格输入是形状为 (batch_size, timesteps, input_size) 或 (timesteps, batch_size, input_size) 的 3d 张量，具体取决于您展开输入的方式（如果您选择 time_major 属性为真或不为真）。状态是 n 个张量的列表，其中每个张量的形状为 (batch_size, hidden_state)，其中 n 是 RNN 层（或堆叠的 RNN 单元）的数量。

【讨论】：

您是说所有时间步长同时呈现给单元格？这似乎与细胞的顺序反馈性质不一致，即：(out,state) = func(in,state)。
我将尝试解释整个 rnn 以及它在 keras 中的工作原理。假设您有一个形状的输入（batch_size、timesteps、input_size）。您将首先创建一个 RNN 层。您可以将其视为单元格的包装器，它将在时间维度上展开输入。每次，它将使用当前输入（1 个时间戳）和状态调用单元格。之后单元格的输出（输出、状态）将作为输入传递给下一个单元格并存储在列表中。处理完所有时间戳后，将返回列表。
对，所以在单元格函数输入时，一次只传递一个时间。所以进入单元格的形状是 (batch_size, input_size)？
是的，单元格内的输入应该是那个形状。