我正在尝试使用Tensorflow实现一些自定义GRU单元。我需要堆叠这些单元格，我想从tensorflow.keras.layers.GRU继承。但是，在查看源代码时，我注意到您只能将units参数传递给__init__的GRU，而RNN具有作为RNNcell列表的参数，并利用它堆叠那些调用StackedRNNCells的单元格。同时，GRU仅创建一个GRUCell。
对于我要实施的论文，我实际上需要堆叠GRUCell。为什么RNN和GRU的实现不同？
最佳答案
在搜索这些类的文档以添加链接时，我注意到可能会绊倒您：TensorFlow中有两个（当前是在正式TF 2.0发行版之前）！有一个GRUCell和tf.nn.rnn_cell.GRUCell。似乎已弃用tf.keras.layers.GRUCell中的那个，而Keras之一是您应该使用的那个。
据我所知，tf.nn.rnn_cell具有与GRUCell和__call__()相同的tf.keras.layers.LSTMCell方法签名，并且它们都继承自tf.keras.layers.SimpleRNNCell。 Layer文档对传递给其RNN参数的对象的__call__()方法必须执行的操作提出了一些要求，但是我猜测这三个对象都应满足这些要求。您应该能够只使用相同的cell框架，并向其传递RNN对象列表，而不是GRUCell或LSTMCell。
我现在无法对此进行测试，因此不确定是否将SimpleRNNCell对象列表或仅GRUCell对象传递给GRU，但是我认为其中一个应该起作用。