在批次之间传递 LSTM 状态的最佳方式

我正在尝试找到在批次之间传递 LSTM 状态的最佳方法。我已经搜索了所有内容，但找不到当前实施的解决方案。想象一下我有类似的东西：

cells = [rnn.LSTMCell(size) for size in [256,256]
cells = rnn.MultiRNNCell(cells, state_is_tuple=True)
init_state = cells.zero_state(tf.shape(x_hot)[0], dtype=tf.float32)
net, new_state = tf.nn.dynamic_rnn(cells, x_hot, initial_state=init_state ,dtype=tf.float32)

现在我想通过new_state在每个批次中有效，因此无需将其存储回内存，然后使用重新馈送到 tffeed_dict。更准确地说，我找到的所有解决方案都使用sess.run评估new_state and feed-dict将其传递到init_state。有没有什么办法可以做到这一点而没有使用瓶颈feed-dict?

我想我应该使用tf.assign在某种程度上，但文档不完整，我找不到任何解决方法。

我要感谢所有提前询问的人。

Cheers,

弗朗西斯科·萨维里奥

我在堆栈溢出上找到的所有其他答案都适用于旧版本或使用“feed-dict”方法来传递新状态。例如：

1) TensorFlow：记住下一批的 LSTM 状态（有状态 LSTM） https://stackoverflow.com/questions/38241410/tensorflow-remember-lstm-state-for-next-batch-stateful-lstm这是通过使用“feed-dict”来提供状态占位符来实现的，我想避免这种情况

2) Tensorflow - 批处理内的 LSTM 状态重用 https://stackoverflow.com/questions/42133661/tensorflow-lstm-state-reuse-within-batch这不适用于状态 tuple

3) 在 Tensorflow 中的运行之间保存 LSTM RNN 状态 https://stackoverflow.com/questions/41915056/saving-lstm-rnn-state-between-runs-in-tensorflow同样在这里

LSTMStateTuple无非是输出和隐藏状态的元组。tf.assign创建一个操作，在运行时将存储在张量中的值分配给变量（如果您有具体问题，请询问以便改进文档）。您可以使用该解决方案tf.assign通过使用从元组检索隐藏状态张量c元组的属性（假设您想要隐藏状态）-new_state.c

这是一个关于玩具问题的完整独立示例：https://gist.github.com/iganichev/632b425fed0263d0274ec5b922aa3b2f https://gist.github.com/iganichev/632b425fed0263d0274ec5b922aa3b2f