1. recurrent neural networks输入输出类型总结
2. RNN, LSTM神经网络输入输出size分析
<answer 1>
reference: https://blog.csdn.net/ssswill/article/details/88429794
标黄部分为“concat x and h”。concat, 直白的说就是把二者直接拼起来,比如 x是28位的向量,h(t-1)是128位的,那么拼起来就是156位的向量。
LSTM 单元输入都是上一个时刻的输出与当前时刻的输入通过向量concat连接而得到,基于这个输入,利用sigmoid函数作为三个门的筛选器,分别得到 ft 、it 、ot,这三个筛选器分别选择部分分量对状态进行选择性忘记、对输入进行选择性输入、对输出进行选择性输出。
本章核心内容:
每一个小黄框代表一个前馈网络层,就是经典的神经网络的结构DNN,num_units就是这个层的隐藏神经元个数。其中1、2、4