DA-RNN中的细胞状态

Question

我想在此paper中实现DA-RNN。研究论文的第3页讨论了编码器网络。具体来说，我想实现以下等式：

我想确认在上式中我在每个时间步都需要单元状态s吗？通常，在RNN中，我们只需要上一个时间步的单元状态即可。因此，我的意思是，如果我们有一批5个时间戳，则在h的所有时间步中都使用隐藏状态1 to 5，而仅在第5个时间步中使用单元格状态s（而不是对于所有时间步长）。

张量流中的out,s = dynamic_rnn函数也为我提供了此输出，其中out将具有在每个时间步长计算的隐藏状态，而s将是c和{{ 1}}。例如，如果我的输入的大小为h，并且假设batch_size x max_timestep x num_features，则max_timestep=5和s.c将从第5个时间步开始包含单元格状态和隐藏状态，而不是时间步长s.h。但是，在本文中，一般的表示法是时间1,2,3,4的单元状态s。因此，如果我们要谈论5个时间步，则需要在时间步t-1处的单元格状态s，而我无法通过1,2,3,4函数获得状态。

总结一下

1. 我的假设是否正确，我需要在所有时间步中都使用单元格状态dynamic_rnn才能在图像中实现上述方程式？
2. 如果是的话，我该如何在tensorflow中做到这一点？我应该编写自己的LSTM包装器吗？

更新：

此answer解决了我的问题。事实证明，没有直接函数可以在每个时间步获取单元状态，但是我们可以包装RNN单元，并将其作为tf中s函数的输入。