tensorflow学习笔记（八）：LSTM手写体(MNIST)识别

---

---

一、LSTM简介

LSTM是一种特殊的RNN，很好的解决了RNN中梯度消失的问题。LSTM的结构如下：

在LSTM中，有遗忘门、输入门、和输出门。LSTM在三维空间的结构如下：

详细的理论知识参见：循环神经网络RNN详细推导和LSTM(长短时间记忆模型）的详细推导。

二、主要函数

1、参数设置的理解：

这里主要指输入维度，输出维度、时间步长等参数的设置，如下：

#输入图片是28*28
n_inputs=28 #输入一行，一行有28个数据
max_time=28 #一共有28行
lstm_size=100 #隐藏层单元
n_classes=10 #10个分类
batch_size=50 #每个样本50个批次

• batch_size：这个参数其实和其他神经网络的batch_size意义相同，都指一次性输入到神经网络中的样本数。这里batch_size=50，含义是一次性将50个图像输入到LSTM中进行训练，完成一次误差反向传播和参数更新。
• n_steps：实际上指的是构造的LSTM总共有多少个时间上的输入。在这里取n_step = 28，指的是先后依次输入28次，一次输入的个数为batch_size * n_input。在MNIST数据集中，一幅图片表示为28*28的矩阵，因此如果一次输入1行，那么要先后依次输入28行才能将一个图片的信息完全输入。那么同时input_dim（在此处为n_inputs）的含义也很清楚了，就是一次输入的数据维数，在这里就是1行的数据个数。因此，输入端的操作是，在起始0时刻输入50幅图片的第1行，1时刻输入50幅图片的第2行。以此类推直到第28时刻输入最后1行。
• n_hidden：这个参数表示的是用于记忆和储存过去状态的节点个数。即使用n_hidden个节点表示隐含层状态。
• n_classes：这个参数的含义是输出结果维数。在MNIST数据集中，由于做的是0~9的分类，所以输出维度自然是10。

2、张量维度的改变tf.reshape()：

用于改变张量的维度，在卷积池化完成后，改变张量的维度用于全连接，定义如下：

tf.reshape(tensor, shape, name=None)

参数：

• tensor：输入的张量，即需要改变维度的张量；
• shape：需要的形状。

返回值：返回一个新的，大小为shape的张量。

程序示例：

import tensorflow as tf

x=[[[1,2]],[[7,8]],[[4,5]],[[6,9]]]
y=tf.reshape(x,[-1,4])  #-1：表示第一维信息由系统自己确定，这里是2

with tf.Session() as sess:
    print((sess.run(y)))

#输出：
    [[1 2 7 8]
     [4 5 6 9]]

3、tf.contrib.rnn.BasicLSTMCell()：

该函数是基础的LSTM循环网络单元（即：block）。将forget_bias（默认值：1）添加到忘记门的偏差(biases)中以便在训练开始时减少以往的比例(scale)。该神经元不允许单元裁剪(cell clipping)，也不使用peep-hole连接，它是一个基本的LSTM神经元。想要更高级的模型可以使用：tf.nn.rnn_cell.LSTMCell。tf.contrib.rnn.BasicLSTMCell()函数定义如下：

##########当使用函数缺省参数时，函数的默认参数如下：
cell = tf.contrib.rnn.BasicLSTMCell(num_units, forget_bias=1.0, state_is_tuple=True,
                                   activation=None, reuse=None,name=None,dtype=None)　　

tf.nn.rnn_cell.LSTMCell()函数定义：

tf.nn.rnn_cell.BasicLSTMCell(num_units, forget_bias=1.0, state_is_tuple=True,
                                   act