python lstm_python-Keras中LSTM的补充

好的,所以您的问题让我开始思考,我想我已经解决了,但是什么都没有.

这是我为获取LSTM实现背后的一些见识而编写的代码段.

from keras.layers import LSTM

from keras.models import Sequential

model = Sequential()

model.add(LSTM(10, input_shape=(20, 30), return_sequences=True))

model.compile(loss='mse',optimizer='adam', metrics=['accuracy'])

weights = model.get_weights()

现在,通过检查砝码形状,我们可以直观了解发生的情况.

In [12]: weights[0].shape

Out[12]: (30, 40)

In [14]: weights[1].shape

Out[14]: (10, 40)

In [15]: weights[2].shape

Out[15]: (40,)

这是对它们的描述：

In [26]: model.weights

Out[26]:

[,

,

]

因此,您可以看到@gorjan是正确的,它实现了一个单元格,即4个门(用于循环输入和序列输入)及其偏置.

此处的“层”思想应应用于LSTM展开的次数,在这种情况下为30.

希望这可以帮助.