使用Keras函数式API时，如何从双向LSTM提取状态c和h？

嗨，这个问题我之前也碰到过，本质是双向LSTM的返回状态结构和单向LSTM不一样导致的！

当你给单向LSTM设置return_state=True时，它会返回三个值：(output, state_h, state_c)，但双向LSTM因为同时有前向和后向两个独立的LSTM层，所以返回的状态会多出来两个变量，完整的返回结构是：
(encoder_outputs, forward_h, forward_c, backward_h, backward_c)

你原来的代码只解包三个变量，自然会触发异常。下面给你两种常见的处理方式：

方式一：拼接前向和后向的状态（推荐，保留双向信息） #

这种方式会把两个方向的隐藏状态、细胞状态分别拼接，得到包含双向完整信息的状态，再传给解码器使用：

from keras.layers import Concatenate

encoder_inputs = Input(shape=(None, num_encoder_tokens))
# 定义双向LSTM并开启return_state
encoder = Bidirectional(LSTM(latent_dim, return_state=True))
# 完整解包所有返回值
encoder_outputs, forward_h, forward_c, backward_h, backward_c = encoder(encoder_inputs)

# 拼接前向和后向的隐藏状态、细胞状态
state_h = Concatenate()([forward_h, backward_h])
state_c = Concatenate()([forward_c, backward_c])

注意：拼接后的状态维度是2*latent_dim，如果你的解码器还是用原来的latent_dim作为LSTM的units参数，可以通过Dense层把拼接后的状态映射回对应维度：

from keras.layers import Dense

state_h = Dense(latent_dim)(Concatenate()([forward_h, backward_h]))
state_c = Dense(latent_dim)(Concatenate()([forward_c, backward_c]))

方式二：只使用单个方向的状态（简化，丢失部分信息） #

如果你不需要保留双向的全部信息，也可以只取前向或者后向的状态，和单向LSTM的逻辑保持一致：

encoder_inputs = Input(shape=(None, num_encoder_tokens))
encoder = Bidirectional(LSTM(latent_dim, return_state=True))
encoder_outputs, forward_h, forward_c, backward_h, backward_c = encoder(encoder_inputs)

# 只使用前向的状态（也可以换成backward_h和backward_c）
state_h = forward_h
state_c = forward_c

这样调整之后，你的seq2seq翻译模型就能正常运行啦！

内容的提问来源于stack exchange，提问作者Mauro Gentile