TensorFlow GRU层call()传入reset_after参数触发TypeError问题求助

• 你混淆了Keras层的初始化参数和调用参数的作用范围：reset_after、recurrent_activation、dropout、recurrent_dropout都属于GRU层的结构配置参数，必须在实例化层（也就是__init__方法中定义self.gru）的时候传入，层的call方法仅接收和单次前向传播相关的动态参数（比如输入张量、初始状态、training标记等），不识别结构配置参数，因此直接抛出参数不存在的错误。
• 额外说明：你当前的参数配置本身存在矛盾：CuDNN加速的GRU要求recurrent_dropout必须为0，你设置recurrent_dropout=0.2的情况下，即使参数放对位置也无法触发CuDNN加速。

1. 将所有GRU结构配置参数从call方法的调用逻辑中移除，全部放到__init__的GRU实例化代码中。
2. 根据你的需求选择适配的参数组合：
   • 优先开启CuDNN GPU加速：需关闭recurrent_dropout，仅保留输入侧dropout，初始化代码如下：

   self.gru = tf.keras.layers.GRU(rnn_units,
                                  return_sequences=True,
                                  return_state=True,
                                  reset_after=True,
                                  recurrent_activation='sigmoid',
                                  dropout=0.2,
                                  recurrent_dropout=0
                                  )
   

   • 必须使用recurrent_dropout做正则：放弃CuDNN加速，初始化代码如下：

   self.gru = tf.keras.layers.GRU(rnn_units,
                                  return_sequences=True,
                                  return_state=True,
                                  reset_after=True,
                                  recurrent_activation='sigmoid',
                                  dropout=0.2,
                                  recurrent_dropout=0.2
                                  )
   

3. 修正call方法中GRU层的调用代码，仅保留动态参数即可：

x, states = self.gru(x, initial_state=states, training=training)

内容的提问来源于stack exchange，提问作者kiriloff