keras.layers.RNN (GRU)の return_state, return_sequence に True を指定したときの戻り値の形を整理しておきます。

モデル

モデル作成

# 1つのデータのシーケンス数 None(後で与える), 要素数 1
inputs = keras.layers.Input(shape=(None,1))

# モデル作成時に重みが常に同じ値になるようにinitializerをセットする。
x = keras.layers.GRU(
    units=1,
    return_state=False,      # 最終状態を返す
    return_sequences=False,  # 入力シーケンスの個々の出力値を返す。
    kernel_initializer="ones",
    recurrent_initializer="ones",
    use_bias=False,
  )(inputs)
model = keras.models.Model(inputs=inputs,outputs=x)
model.summary()

# データ2つ、1つのデータのシーケンス2で要素数1
input_x = [ [[0],[1]], [[0],[-1]] ]
output_y = model.predict(input_x)
print(type(output_y))
print(output_y)

GRUで作成しています。SimpleRNNでも基本は同じです。LSTMの場合は内部状態が増えます。

入出力

入力データは2つあります。1つのデータは2つのシーケンスで、1つのシーケンスは1要素でできています。

return_state=False, return_sequences=False で実行した結果が一番上の黄色のものです。モデルの出力の要素数は 1 なので、データ1つに対して1つの出力が返ってきています。

return_state=Trueの場合、緑のデータの最終状態が追加されます。arrayと記述されているのは、pythonのリストの中にnumpyのarrayが入っているからです。

return_sequences=Trueの場合、青のデータが追加されます。青のデータは、入力シーケンスごとの出力です。今回の入力データはシーケンス数が2なので青と黄色と合わせて1データにつき2つになっています。

最後に両方をTrueにすると、戻り値の1つ目がシーケンスの出力が追加されたもの、2つ目が最終状態のものとなります。