model.predict 会正确更新 GRU 层状态吗？

Question

这是我的第一个问题，欢迎提出建议！

背景

我建立了一个类似于这个的模型。

我正在使用model.predict(inputs) 进行预测，并构建了我的自定义函数和流程以使其学习。它似乎奏效了，而且它预测的一切似乎都很好。

几天前，我看了这个视频： https://youtu.be/8HyCNIVRbSU?t=284 （它从产生我的问题的部分开始）我复制了引起我注意的图像： 它表示每个输入按顺序插入每个单元格上，每个单元格将按该顺序向下一个单元格提供更多信息。

我开始怀疑我的实现是否正确，我会给你所有可能有用的细节。

详情

1. 我am在两个 GRU 层中都使用 stateful=True。
2. model.predict(inputs) 的输入定义为 inputs = [np.array(arr).reshape(1, 1, 6), np.array(arr2).reshape(1, 1, 4)]。
3. 我有一个 CSV，其中包含输入第一部分的值，但对于其他值，我会即时创建它们。这就是我使用model.predict 的原因。因此，如果有另一种方式可以同时发送静态和“动态数据”，我很乐意这样做。
4. 在加载模型后，我与模型交互的唯一方法是要求预测值并更新其权重（并在我输入新序列时重置状态）。

现在，有了所有这些信息，问题将是：

• 是型号。预测正确更新所有单元状态并充分利用 GRU 层？
• 还是总是将数据发送到第一个单元格？

Answer 1

在前向传递过程中（predict() 或 fit()），GRU（和其他 RNN）从您的序列中获取第一项，重新计算其状态，获取第二项，重新计算其状态等等。