在Keras的文档中，没有关于LSTM层如何实际实现dropout的信息。

然而，有一个链接指向论文“循环神经网络中dropout的理论基础应用”，这让我认为dropout是按照该论文中描述的方式实现的。

也就是说，对于层处理的时间序列中的每个时间步，都使用相同的dropout掩码。

查看源代码，我发现LSTMCell.call被迭代调用，每次处理时间序列中的一个时间步，并且每次调用时都会生成一个新的dropout掩码。

我的问题是：

要么是我误解了Keras的代码，要么是Keras文档中对论文的引用具有误导性。究竟是哪一种情况？

回答：

论文和代码是一致的。你理解得正确，但对代码的解释有点错误。

在初始化dropout_mask之前有一个检查，self._dropout_mask is None

所以LSTMCell.call被迭代调用，每次处理时间序列中的一个时间步，但只有在第一次调用时才会生成一个新的dropout掩码。

if 0 < self.dropout < 1 and self._dropout_mask is None:    self._dropout_mask = _generate_dropout_mask(        K.ones_like(inputs),        self.dropout,        training=training,        count=4)if (0 < self.recurrent_dropout < 1 and        self._recurrent_dropout_mask is None):    self._recurrent_dropout_mask = _generate_dropout_mask(        K.ones_like(states[0]),        self.recurrent_dropout,        training=training,        count=4)

希望这能解答你的疑惑。