我有一个在Keras中创建的包含多个GRU层的有状态RNN模型。
现在我需要从Java运行这个模型，因此我将模型导出为protobuf格式，并从Java TensorFlow中加载它。
这个模型必须是有状态的，因为特征将一次一个时间步地输入。
据我所知，为了在TensorFlow模型中实现有状态性，每次执行会话运行器时，我必须以某种方式输入最后的状态，并且运行结束后还会返回状态。
- 在Keras模型中，有没有办法输出状态？
- 有没有更简单的方法让有状态的Keras模型在TensorFlow中按这种方式工作？
非常感谢
回答：
好的，我成功解决了这个问题！
对我有效的方法是，不仅为输出创建tf.identity张量（这很常见），还为状态张量创建tf.identity张量。
在Keras模型中，可以通过以下方式找到状态张量：
model.updates
这会得到类似这样的结果：
[(<tf.Variable 'gru_1_1/Variable:0' shape=(1, 70) dtype=float32_ref>, <tf.Tensor 'gru_1_1/while/Exit_2:0' shape=(1, 70) dtype=float32>), (<tf.Variable 'gru_2_1/Variable:0' shape=(1, 70) dtype=float32_ref>, <tf.Tensor 'gru_2_1/while/Exit_2:0' shape=(1, 70) dtype=float32>), (<tf.Variable 'gru_3_1/Variable:0' shape=(1, 4) dtype=float32_ref>, <tf.Tensor 'gru_3_1/while/Exit_2:0' shape=(1, 4) dtype=float32>)]“Variable”用于输入状态，而“Exit”用于输出新状态。因此，我从“Exit”张量中创建了tf.identity。我给它们赋予了有意义的名称，例如：
tf.identity(state_variables[j], name='state'+str(j))
其中state_variables仅包含“Exit”张量
然后使用输入变量（例如gru_1_1/Variable:0）从TensorFlow中输入模型状态，而我从“Exit”张量中创建的identity变量用于在每个时间步输入模型后提取新状态
