如何在ML.Net中实现保留隐状态的循环神经网络连续预测

ML.Net 原生PredictionEngine默认设计为无状态执行，每次调用Predict方法后会自动重置所有模型中间层状态，没有提供原生的RNN/LSTM/GRU隐藏状态留存接口。TimeSeriesEngine仅支持内置SSA时序预测模型，无法适配自定义ONNX格式的循环神经网络模型。

该场景可以通过两种可行方案实现需求：

• 调整ONNX模型导出配置，将RNN层的隐藏状态显性设为独立的输入、输出节点。每次执行单步预测后，取出输出的隐藏状态值，作为下一次预测的输入节点参数传入，手动实现状态在多轮预测间的传递，这是目前最易用的实现方式。
• 绕过PredictionEngine封装，直接调用ML.Net底层依赖的ONNX Runtime会话接口，手动控制隐藏状态张量的读写和留存，该方式灵活性更高，可适配更复杂的状态调度需求。

内容的提问来源于stack exchange，提问作者J.A