Keras 的默认 LSTM 是展开的还是有状态的？

Question

在 Keras 文档中，stateful 和 unroll 都设置为 False。那么，如果两者都不是，那么在 Keras 中如何进行循环呢？ Keras RNN documentaion

我查看了Keras中RNN的源代码，似乎默认操作是在每个时间步初始化LSTM。我穿了吗？

       if initial_state is not None:
            pass
       elif self.stateful:
            initial_state = self.states
       else:
            initial_state = self.get_initial_state(inputs)

如果我是正确的，是否意味着对于时间序列分析，设置 unroll=True 会更好？

Answer 1

既不是展开的也不是有状态的。

请记住，Keras 中的 "stateful" 仅表示 "two consecutive batches will be interpreted as two parts of the same sequences"。没有其他的。（第 2 批是第 1 批的 sequel）

当然，所有 LSTM 都有状态（不可能没有）。

注意表达式 "initialize the LSTM"。每个批次 stateful=False 层将 "reset states"。实际结果是："each batch is a group of individual sequences from start to end"。（第 2 批不是第 1 批的 sequel）

"States"是关于"history of a sequence up to the current step"的信息。它们与 "weights" 完全不同，后者是层实际上从所有序列中学到的东西。

"Unroll" 是一种将循环计算转换为单个图形而无需循环的方法。它仅适用于短序列，它以使用更多内存为代价获得更快的处理速度。

Keras 的默认 LSTM 是展开的还是有状态的？

Is the Keras's default LSTM unrolled or stateful?

machine-learning

deep-learning

lstm

keras

recurrent-neural-network