tf.keras.layers.LSTM 示例

import tensorflow as tf

inputs = tf.random.normal([
    1,  # batch
    2,  # 时间步长（时间窗）
    3  # 输入维度
])
print("输入：", inputs.shape)

输入： (1, 2, 3)

lstm = tf.keras.layers.LSTM(4)
output = lstm(inputs)
print("最后一个输出值：", output)

最后一个输出值： tf.Tensor([[-0.02074971 -0.06181227 -0.00734914  0.00274102]], shape=(1, 4), dtype=float32)

lstm = tf.keras.layers.LSTM(
    4,  # 输出空间的正整数、维度。
    # 返回单个 hidden state值还是返回全部time step 的 hidden state值。 False 返回单个， true 返回全部。
    return_sequences=True
)
output = lstm(inputs)
print("所有输出值：", output)

所有输出值： tf.Tensor(
[[[ 0.15341435  0.09737927 -0.13387154  0.05538211]
  [ 0.0466701   0.04704784 -0.14747564  0.01897318]]], shape=(1, 2, 4), dtype=float32)

lstm = tf.keras.layers.LSTM(
    4,  # 输出空间的正整数、维度。
    return_state=True  # 是否返回除输出之外的最后一个状态。
)
lstm1, state_h, state_c = lstm(inputs)
print("最后一个输出值：", lstm1)
print("最后一个输出值：", state_h)
print("隐藏状态值：", state_c)

最后一个输出值： tf.Tensor([[ 0.02579227  0.05082012 -0.00955747  0.04579654]], shape=(1, 4), dtype=float32)
最后一个输出值： tf.Tensor([[ 0.02579227  0.05082012 -0.00955747  0.04579654]], shape=(1, 4), dtype=float32)
隐藏状态值： tf.Tensor([[ 0.06498837  0.11387149 -0.02051686  0.10319157]], shape=(1, 4), dtype=float32)

lstm = tf.keras.layers.LSTM(
    4,  # 输出空间的正整数、维度。
    # 返回单个 hidden state值还是返回全部time step 的 hidden state值。 False 返回单个， true 返回全部。
    return_sequences=True,
    return_state=True
)
lstm1, state_hidden, state_cell = lstm(inputs)
print("所有输出值：", lstm1)
print("最后一个输出值：", state_hidden)
print("隐藏状态值：", state_cell)

所有输出值： tf.Tensor(
[[[-0.2615968  -0.11358638 -0.02559761  0.03946158]
  [ 0.001031   -0.0546873   0.03478507  0.00940466]]], shape=(1, 2, 4), dtype=float32)
最后一个输出值： tf.Tensor([[ 0.001031   -0.0546873   0.03478507  0.00940466]], shape=(1, 4), dtype=float32)
隐藏状态值： tf.Tensor([[ 0.00235827 -0.10970385  0.08445251  0.01719776]], shape=(1, 4), dtype=float32)