Keras中将seq2seq模型LSTM替换为GRU时initial_state不兼容报错

你是直接沿用了LSTM版本seq2seq的状态处理逻辑，而GRU和LSTM的状态结构存在本质差异：

• LSTM有两个独立状态：隐藏态h、细胞态c，设置return_state=True时会返回3个值：(序列输出, h, c)
• GRU只有1个隐藏状态，设置return_state=True时仅返回2个值：(序列输出, 隐藏态h)

你传了2个状态给仅需要1个状态的GRU解码器，就触发了状态维度不匹配的报错。

按以下两处修改即可正常运行：

1. 修改编码器状态接收逻辑
2. 修改解码器状态接收与初始化逻辑

修正后完整代码如下：

time_steps_encoder=80
num_encoder_tokens=4096
latent_dim=512
time_steps_decoder=10
num_decoder_tokens=1500
batch_size=320
# 编码器设置
encoder_inputs = Input(shape=(time_steps_encoder, num_encoder_tokens), name="encoder_inputs")
# 注意原代码里编码器name拼写错误endcoder→encoder，不影响运行可按需修改
encoder = GRU(latent_dim, return_state=True,return_sequences=True, name='encoder')
# GRU只返回两个值：序列输出、最终隐藏态，不需要state_c
encoder_outputs, state_h = encoder(encoder_inputs)
# 编码器仅需传递一个状态给解码器
encoder_states = [state_h]

# 解码器设置
decoder_inputs = Input(shape=(time_steps_decoder, num_decoder_tokens), name= "decoder_inputs")
decoder = GRU(latent_dim, return_sequences=True, return_state=True, name='decoder')
# 解码器GRU仅返回两个值，initial_state传入单状态即可
decoder_outputs, _ = decoder(decoder_inputs, initial_state=encoder_states)
decoder_dense = Dense(num_decoder_tokens, activation='softmax', name='decoder_relu')
decoder_outputs = decoder_dense(decoder_outputs)

model = Model([encoder_inputs, decoder_inputs], decoder_outputs)
model.summary()
plot_model(model, to_file='model_train.png', show_shapes=True, show_layer_names=True)

内容的提问来源于stack exchange，提问作者Rushad