使用TensorFlow服务来服务LSTM模型的最佳方法是什么？
我希望能够执行以下操作：
接收时间步长t数据(x_t)以及(c_t-1, h_t-1)
使用接收到的状态更新LSTM单元状态。 （由于模型已在许多用户上运行，因此我们希望获取用户的最新状态并更新模型）
获取模型预测y_t和(c_t, h_t)（如果用户回来了，我们可以再次进行预测）。
但是，似乎在当前的基础架构中这还不可能。
最简单的解决方法是在Flask容器中提供Keras模型，在每次预测之前我们调用reset_states方法。但这似乎更像是骇客。我想知道解决这个问题的最有效方法是什么？
另请参阅问题：Tensorflow Serving - Stateful LSTM