Keras中LSTM中units解释

最新推荐文章于 2024-09-15 15:29:29 发布

在路上。。。。

最新推荐文章于 2024-09-15 15:29:29 发布

阅读量1.3k

点赞数

文章标签： keras lstm 人工智能

本文链接：https://blog.csdn.net/zailushag/article/details/121186066

版权

Keras中Units解读

 def __init__(self,
               units,
               activation='tanh',
               recurrent_activation='sigmoid',
               use_bias=True,
               kernel_initializer='glorot_uniform',
               recurrent_initializer='orthogonal',
               bias_initializer='zeros',
               unit_forget_bias=True,
               kernel_regularizer=None,
               recurrent_regularizer=None,
               bias_regularizer=None,
               kernel_constraint=None,
               recurrent_constraint=None,
               bias_constraint=None,
               dropout=0.,
               recurrent_dropout=0.,
               implementation=2,
               **kwargs):

其中units是我一直困惑的点，源码中是这样解释的units: Positive integer, dimensionality of the output space.（翻译：正整数，输出空间的维数），看了源码解释之后还是不理解，只知道是输出的维度，那么这个维度到底代表什么？，看了很多人的解释是隐藏层神经元个数。隐藏层神经元个数与输出维度是什么关系呢？
实际上LSTM中4个门相当于4个全连接层，其经过Sigmoid函数输出也为隐藏神经元大小一致的实数向量。这样就与源码中units解释的输出的维度相对应了。