我是LSTM的新手，正在经历Understanding Keras LSTMs，并且对Daniel Moller的漂亮答案有一些愚蠢的疑问。
这是我的一些疑问：
在Achieving one to many节中指定了2种方式，其中我们可以使用stateful=True反复获取一个步骤的输出，并将其用作下一步的输入（需要output_features == input_features。
在One to many with repeat vector图中，重复的向量在所有时间步中都作为输入提供，而在One to many with stateful=True中，输出在下一个时间步中作为输入提供。因此，我们不是通过使用stateful=True来更改图层的工作方式吗？
在构建 RNN 时，应遵循上述两种方法中的哪一种（使用重复矢量或将前一个时间步输出作为下一个输入）？
在One to many with stateful=True部分下，为了更改one to many的行为，在用于预测的手动循环代码中，我们如何知道steps_to_predict变量，因为我们不知道无法提前知道输出序列的长度。
我也不了解整个模型使用last_step output生成next_step ouput的方式。我对model.predict()函数的工作感到困惑。我的意思是，不是model.predict()同时预测整个输出序列，而不是遍历要生成的no. of output sequences（我仍然不知道其值）并进行model.predict()预测给定迭代中的特定时间步输出？
我无法理解整个Many to many的情况。任何其他链接都将有所帮助。
我了解我们使用model.reset_states()来确保新批次独立于先前批次。但是，我们是否手动创建序列的批次，以便一个批次跟随另一个批次，或者Keras模式下的stateful=True会自动将序列划分为此类批次。
如果是手动完成的，为什么有人将数据集划分为这样的批处理，即序列的一部分在一个批处理中而另一序列在下一个批处理中？
最后，将使用stateful=True的实际实现或示例/用例是什么（因为这似乎很不寻常）？我正在学习LSTM，这是我第一次在Keras中认识stateful。
有人可以帮助我解释我的愚蠢问题，以便使我对在Keras中实施LSTM有所了解吗？
编辑：请其中一些人澄清当前答案，并提出一些剩余疑问
A 。因此，基本上有状态让我们keep OR reset每批处理后的内部状态。然后，如果在每次训练批次后继续不断地重置内部状态，该模型将如何学习？重置是否真的意味着要重置参数（用于计算隐藏状态）？
B 。在If stateful=False: automatically resets inner state, resets last output step行中。重置最后一个输出步骤是什么意思？我的意思是，如果每个时间步都产生自己的输出，那么重置最后一个输出步意味着什么，那也只有最后一个？
C 。针对Question 2和Question 4的第二点，我仍然没有收到您的manipulate the batches between each iteration和对stateful的需求（（{{1}的最后一行）仅重置状态）。我要指出的是，我们不知道某个时间步生成的每个输出的输入。
因此，您将序列分解为Question 2的序列，然后使用only one-step，但随后又如何知道需要一次又一次的操作（必须有一个停止点）为循环）？另外，请说明new_step = model.predict(last_step)部分（在stateful的最后一行）。
D 。在Question 2下的代码中，似乎for循环（手动循环）用于预测下一个单词仅用于测试时间。该模型是在火车时刻本身包含了该东西吗？还是我们One to many with stateful=True是否需要在火车时刻也使用此循环？
E 。假设我们正在做一些机器翻译工作，我认为在将整个输入（要翻译的语言）输入到输入时间步长然后生成输出（翻译的语言）之后，序列的破坏就会发生）将通过manually在每个时间步进行，因为现在我们得到了输入，并开始使用迭代在每个时间步产生输出。我说对了吗？
F 。由于LSTM的默认工作方式需要在答案中提到三点，因此在中断序列的情况下，manual loop和current_input被馈以相同的向量，因为在没有当前输入可用的情况下它们的值是一样吗？
G 。在预测：部分下的多对有状态=真的情况下，代码为：
previous_output由于predicted = model.predict(totalSequences)
firstNewStep = predicted[:,-1:]
的手动循环到目前为止尚未使用，我怎么知道finding the very next word in the current sequence所预测的时间步长中的count，所以预测（model.predict(totalSequences)）的最后一步将随后用于生成其余序列？我的意思是，我怎么知道predicted[:,-1:]之前predicted = model.predict(totalSequences)中产生的序列数（后来使用）。
编辑2：
我。在manual for loop答案中，我仍然不知道如何训练模型？我知道在训练过程中使用手动循环可能会很痛苦，但是如果我不使用它，那么在D的情况下如何训练模型？只需使用we want the 10 future steps, we cannot output them at once because we don't have the necessary 10 input steps就能解决我的问题吗？
II 。 model.fit()个答案的最后一段，D。
您能详细解释一下吗？
You could train step by step using train_on_batch only in the case you have the expected outputs of each step. But otherwise I think it's very complicated or impossible to train.是什么意思？如果我没有或拥有后续序列的输出，这将如何影响我的训练？训练期间我是否仍需要手动循环。如果没有，那么step by step函数是否可以根据需要工作？
III 。我将model.fit()解释为使用"repeat" option。使用重复向量不适用于repeat vector情况，不适用于one to many情况，因为后者将有很多输入向量可供选择（用作单个重复向量） ？在many to many情况下，如何使用repeat vector？