将 initial_state 传递给 Keras 中的双向 RNN 层

Question

我正在尝试使用双向 GRU 在 Keras 中实现编码器-解码器类型的网络。

以下代码似乎有效

src_input = Input(shape=(5,))
ref_input = Input(shape=(5,))

src_embedding = Embedding(output_dim=300, input_dim=vocab_size)(src_input)
ref_embedding = Embedding(output_dim=300, input_dim=vocab_size)(ref_input)

encoder = Bidirectional(
                GRU(2, return_sequences=True, return_state=True)
        )(src_embedding)

decoder = GRU(2, return_sequences=True)(ref_embedding, initial_state=encoder[1])

但是当我将解码更改为使用 Bidirectional 包装器时，它停止显示 model.summary() 中的 encoder 和 src_input 层。新的解码器看起来像：

decoder = Bidirectional(
                GRU(2, return_sequences=True)
        )(ref_embedding, initial_state=encoder[1:])

使用双向解码器 model.summary() 的输出。

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_2 (InputLayer)         (None, 5)                 0         
_________________________________________________________________
embedding_2 (Embedding)      (None, 5, 300)            6610500   
_________________________________________________________________
bidirectional_2 (Bidirection (None, 5, 4)              3636      
=================================================================
Total params: 6,614,136
Trainable params: 6,614,136
Non-trainable params: 0
_________________________________________________________________

问题：当我在Bidirectional解码器中通过initial_state时，我是否遗漏了什么？我怎样才能解决这个问题？有没有其他方法可以做到这一点？

Answer 1

这是一个错误。 RNN 层实现了 __call__ 以便可以将 initial_state 中的张量收集到模型实例中。但是，Bidirectional 包装器没有实现它。所以关于 initial_state 张量的拓扑信息丢失了，一些奇怪的错误发生了。

我在为 Bidirectional 实施 initial_state 时并没有意识到这一点。它现在应该在 this PR 之后修复。您可以在 GitHub 安装最新的 master 分支来修复它。

将 initial_state 传递给 Keras 中的双向 RNN 层

Passing initial_state to Bidirectional RNN layer in Keras

keras

recurrent-neural-network

encoder-decoder