使用TensorFlow拼接RNN单元时遇AttributeError: Tensor对象无'c'属性

你在使用TensorFlow双向LSTM时碰到了一个典型的参数配置问题，我来帮你拆解原因和解决办法：

错误根源分析 #

你在定义LSTMCell时设置了state_is_tuple=False，这个参数会让LSTM的状态输出变成一个拼接后的单一Tensor，而非默认的LSTMStateTuple（这个元组自带c（细胞状态）和h（隐藏状态）两个可访问属性）。所以当你尝试调用fw_st.c或bw_st.c时，自然会报错——此时fw_st是纯Tensor，根本没有c这个属性。

两种可行解决方案 #

方案1：使用默认的state_is_tuple=True（推荐） #

TensorFlow官方更推荐这种模式，后续版本也逐步淘汰了state_is_tuple=False的支持。只需调整LSTMCell的初始化参数，就能正常通过.c和.h访问状态：

def _add_encoder(self, encoder_inputs, seq_len):
    with tf.variable_scope('encoder'):
        # 移除state_is_tuple=False，或显式设置为True（默认值就是True）
        cell_fw = tf.contrib.rnn.LSTMCell(self._hps.hidden_dim.value, 
                                          initializer=self.rand_unif_init, 
                                          state_is_tuple=True)
        cell_bw = tf.contrib.rnn.LSTMCell(self._hps.hidden_dim.value, 
                                          initializer=self.rand_unif_init, 
                                          state_is_tuple=True)
        (encoder_outputs, (fw_st, bw_st)) = tf.nn.bidirectional_dynamic_rnn(
            cell_fw, cell_bw, encoder_inputs, sequence_length=seq_len, dtype=tf.float32)
        # 现在可以正常访问c属性了
        fw_cell_state = fw_st.c
        bw_cell_state = bw_st.c
        # 后续业务逻辑...

方案2：若必须保留state_is_tuple=False，手动拆分张量 #

如果你因特定需求必须使用拼接状态的模式，需要自行把合并后的Tensor拆分成细胞状态和隐藏状态。由于状态是c和h拼接而成，总长度为2*hidden_dim，可以按维度拆分：

def _add_encoder(self, encoder_inputs, seq_len):
    with tf.variable_scope('encoder'):
        cell_fw = tf.contrib.rnn.LSTMCell(self._hps.hidden_dim.value, 
                                          initializer=self.rand_unif_init, 
                                          state_is_tuple=False)
        cell_bw = tf.contrib.rnn.LSTMCell(self._hps.hidden_dim.value, 
                                          initializer=self.rand_unif_init, 
                                          state_is_tuple=False)
        (encoder_outputs, (fw_st, bw_st)) = tf.nn.bidirectional_dynamic_rnn(
            cell_fw, cell_bw, encoder_inputs, sequence_length=seq_len, dtype=tf.float32)
        # 手动拆分状态张量：前半段是细胞状态c，后半段是隐藏状态h
        hidden_dim = self._hps.hidden_dim.value
        fw_cell_state = fw_st[:, :hidden_dim]
        fw_hidden_state = fw_st[:, hidden_dim:]
        bw_cell_state = bw_st[:, :hidden_dim]
        bw_hidden_state = bw_st[:, hidden_dim:]
        # 后续业务逻辑...

额外提示 #

注意tf.contrib.rnn模块在TensorFlow 2.x中已被迁移到tf.keras.layers或tf.nn.rnn_cell下，如果你使用的是新版本TF，建议改用tf.keras.layers.LSTMCell，用法类似且更稳定。

内容的提问来源于stack exchange，提问作者K.cyrine