将有状态 LSTM 称为功能模型？

我有一个状态 LSTM 定义为顺序模型：

model = Sequential()
model.add(LSTM(..., stateful=True))
...

后来，我将其用作功能模型：

input_1, input_2 = Input(...), Input(...)
output_1 = model(input_1)
output_2 = model(input_2)  # Is the state from input_1 preserved?

国家是从input_1当我们申请时保留model再次开启input_2？如果是，如何在调用之间重置模型状态？

下列的关于在 RNN 中使用状态性的注意事项由此link https://keras.io/layers/recurrent/#recurrent and Keras 实现 https://github.com/fchollet/keras/blob/57429d1567b94955ac95afe87792411a420ff0ba/keras/layers/recurrent.py答案是yes if:

1. The batch_size两个模型中的 是相同的（这很重要，因为 Keras 计算内部状态的方式）。
2. 您将首先构建并编译这两个模型，然后使用它们 - 由于某种原因，Keras 正在重置内部状态build一层（你可以检查它here https://github.com/fchollet/keras/blob/57429d1567b94955ac95afe87792411a420ff0ba/keras/layers/recurrent.py通过寻找reset_states方法）。

如果你想重置状态，你可以打电话reset_states您想要重置状态的每个循环层上的方法。