Tensorflow占位符的一个问题是，您只能使用Python列表或Numpy数组来提供它（我认为）。因此，您无法在LSTMStateTuple的元组中保存两次运行之间的状态。
我通过将状态保存在这样的张量中解决了这个问题
initial_state = np.zeros((num_layers, 2, batch_size, state_size))
在LSTM层中有两个组件， 单元状态 和 隐藏状态 ，这就是“
2”的含义。（这篇文章很棒：https :
//arxiv.org/pdf/1506.00019.pdf）
构建图时，您将解压缩并创建元组状态，如下所示：
state_placeholder = tf.placeholder(tf.float32, [num_layers, 2, batch_size, state_size])l = tf.unpack(state_placeholder, axis=0)rnn_tuple_state = tuple( [tf.nn.rnn_cell.LSTMStateTuple(l[idx][0],l[idx][1]) for idx in range(num_layers)])
然后您以通常的方式获得新状态
cell = tf.nn.rnn_cell.LSTMCell(state_size, state_is_tuple=True)cell = tf.nn.rnn_cell.MultiRNNCell([cell] * num_layers, state_is_tuple=True)outputs, state = tf.nn.dynamic_rnn(cell, series_batch_input, initial_state=rnn_tuple_state)
可能不应该这样……也许他们正在研究解决方案。
