我在使用TensorFlow的GRU单元来实现一个RNN。我用它来处理最多5分钟的视频。因此，由于下一状态会自动输入到GRU中，我如何在每个epoch后手动重置RNN的状态？换句话说，我希望在训练开始时的初始状态始终为0。以下是我的代码片段：

with tf.variable_scope('GRU'):    latent_var = tf.reshape(latent_var, shape=[batch_size, time_steps, latent_dim])    cell = tf.nn.rnn_cell.GRUCell(cell_size)       H, C = tf.nn.dynamic_rnn(cell, latent_var, dtype=tf.float32)      H = tf.reshape(H, [batch_size, cell_size]) ....

任何帮助都将不胜感激！

回答：

使用 initial_state 参数于 tf.nn.dynamic_rnn：

initial_state: （可选）RNN的初始状态。如果 cell.state_size 是一个整数，则这必须是一个适当类型和形状的张量 [batch_size, cell.state_size]。如果 cell.state_size 是一个元组，则这应该是一个具有形状的张量元组 [batch_size, s] for s in cell.state_size。

来自文档的调整示例：

# 创建一个GRUCellcell = tf.nn.rnn_cell.GRUCell(cell_size)# 'outputs' 是一个形状为 [batch_size, max_time, cell_state_size] 的张量# 定义初始状态initial_state = cell.zero_state(batch_size, dtype=tf.float32)# 'state' 是一个形状为 [batch_size, cell_state_size] 的张量outputs, state = tf.nn.dynamic_rnn(cell, input_data,                                   initial_state=initial_state,                                   dtype=tf.float32)

另请注意，尽管 initial_state 不是占位符，你也可以向其输入值。所以如果你希望在epoch内保留状态，但在epoch开始时从零开始，你可以这样做：

# 一次性计算正确形状的零状态数组zero_state = sess.run(initial_state)# 从零向量开始并更新它 cur_state = zero_statefor batch in get_batches():  cur_state, _ = sess.run([state, ...], feed_dict={initial_state=cur_state, ...})