如何在双向LSTM包装器中同时获取最终隐藏状态与序列？

这个问题我之前也碰到过，核心原因是Bidirectional包装器对内部LSTM的返回值做了扩展——因为双向结构包含前向和后向两个独立的LSTM单元，所以返回的张量数量和单向LSTM不一样，直接按单向的方式解包会报错。

为什么你的代码会失败 #

当你给内部的LSTM同时设置return_sequences=True和return_state=True时，Bidirectional包装器会返回5个张量，而不是单向LSTM的3个：

• 第1个：整个时间步的序列输出（前向+后向结果拼接）
• 第2个：前向LSTM的最终隐藏状态（state_h）
• 第3个：前向LSTM的最终细胞状态（state_c）
• 第4个：后向LSTM的最终隐藏状态（state_h）
• 第5个：后向LSTM的最终细胞状态（state_c）

你的代码只尝试解包3个变量，自然会抛出ValueError。

正确的实现方式 #

你需要按照5个返回值的结构来解包，示例代码如下：

from tensorflow.keras.layers import Input, Bidirectional, LSTM

# 定义输入层（假设输入特征维度为10）
input_layer = Input(shape=(None, 10))

# 双向LSTM层，同时返回序列和状态
sequence_output, forward_h, forward_c, backward_h, backward_c = Bidirectional(
    LSTM(128, return_sequences=True, return_state=True)
)(input_layer)

可选：合并前向与后向的状态 #

如果你需要一个合并后的隐藏状态/细胞状态，可以手动拼接前向和后向的状态张量：

import tensorflow as tf

# 合并隐藏状态（维度从128变为256）
merged_hidden = tf.concat([forward_h, backward_h], axis=-1)
# 合并细胞状态
merged_cell = tf.concat([forward_c, backward_c], axis=-1)

补充说明 #

• sequence_output的形状是(batch_size, timesteps, 256)——因为前向和后向LSTM各输出128维，拼接后维度翻倍。
• 后向LSTM的最终状态对应的是原序列的第一个时间步（因为后向是从序列末尾反向计算的），这点在使用状态时需要注意。

内容的提问来源于stack exchange，提问作者jessie tio