初始化为零时的LSTM + Keras错误注意

问题描述

我正在尝试具体实施this paper，即注意输入的编码器部分。本质上，这是在将输入序列传递到每个LSTM时间步之前，要格外小心。这要求每个lstm时间步长计算都必须手动完成，以便提供以前的隐藏状态和单元格状态。

为了说明背景，这是正常的lstm编码器层：

input = layers.Input(shape=(time_window,features),dtype='float32')
lstm,state_h,state_c = layers.LSTM(units=45,activation='tanh',return_state=True return_sequences=True)(input)

这是手动执行的操作，注意原始输入：

input = layers.Input(shape=(time_window,dtype='float32')
# Initialise the first hidden state and cell state to zeros 
hidden_state = tf.zeros_like(tf.keras.backend.placeholder(shape=(None,45)))
cell_state = tf.zeros_like(tf.keras.backend.placeholder(shape=(None,45)))

lstm = layers.LSTM(units=45,return_state=True)

# loop over the time windows
for i in range(time_window):
    # get all the input features (and samples) of the current time step
    input_t = input[:,i,:]
    input_t = tf.expand_dims(input_t,1)
    query = tf.concat([hidden_state,cell_state],axis=-1)
    # get context vector from bahdanau attention
    attention_result,attention_weights = BahdanauAttention(45)([query,input_t])
    attention_result = tf.expand_dims(attention_result,1)
    # pass the new inputs with attention to the encoder lstm
    out,state_c = lstm(attention_result,initial_state=[hidden_state,cell_state])
    # update the hidden state and cell state
    hidden_state,cell_state = state_h,state_c

    h.append(state_h)
    c.append(state_c)
    outputs.append(out)

 ...
 # pass the above outputs to the decoder

我遇到了一个我不知道如何解决的错误：

ValueError: Graph disconnected: cannot obtain value for tensor Tensor("Placeholder:0",shape=(None,45),dtype=float32) at layer "tf_op_layer_ZerosLike". The following prevIoUs layers were accessed without issue: []

其他StackOverflow answers表示该问题可能是由于变量冲突（在这种情况下，可能是重新分配了hidden_state和cell_state变量）。

我不确定该如何解决以及错误的真正含义。

更新

此问题与我正在初始化hidden_state和cell_state的事实有关。我可能将它们初始化为错误。底线是我需要获取lstm的初始隐藏状态（或自行创建它们）。正确解决此问题将解决错误。

如果keras提供了一种在时间表内工作的方式，这可能会更容易。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）