我想构建一个带有attention_decoder的seq2seq模型，并使用MultiRNNCell和LSTMCell作为编码器。因为TensorFlow代码表明＆＃34;这个默认行为（state_is_tuple = False）很快就会被弃用。＆＃34;，我为编码器设置了state_is_tuple = True。
问题在于，当我将编码器的状态传递给attention_decoder时，它报告错误：
*** AttributeError: 'LSTMStateTuple' object has no attribute 'get_shape'
这个问题似乎与seq2seq.py中的attention（）函数和rnn_cell.py中的_linear（）函数有关，其中代码调用了＆＃39; get_shape（）＆＃39; LSTMStateTuple＆＃39;的功能来自编码器生成的initial_state的对象。
虽然当我为编码器设置state_is_tuple = False时错误消失，但程序会发出以下警告：
WARNING:tensorflow:<tensorflow.python.ops.rnn_cell.LSTMCell object at 0x11763dc50>: Using a concatenated state is slower and will soon be deprecated. Use state_is_tuple=True.
如果有人可以提供有关使用RNNCell（state_is_tuple = True）构建seq2seq的任何说明，我将非常感激。
答案 0 :(得分：0)
我也遇到了这个问题，lstm状态需要连接，否则_linear会抱怨。 LSTMStateTuple的形状取决于您使用的细胞类型。使用LSTM单元，您可以连接这样的状态：
query = tf.concat(1,[state[0], state[1]])
如果您正在使用MultiRNNCell，请先连接每个图层的状态：
concat_layers = [tf.concat(1,[c,h]) for c,h in state]
query = tf.concat(1, concat_layers)