先上经典的LSTM结构

1、首先 tf.nn.rnn_cell.BasicLSTMCell(num_units=n)中的参数num_units指的是什么？

上图中一个浅绿色大框框起来的我们暂时叫一个LSTM_Cell,我们可以看到一个LSTM_Cell中有四个基本的神经网络Cell(即四个黄色的小框)，每个小框可以说存放的是个向量，且四个框中向量长度相同，这个相同的向量 长度 便是num_units

2、LSTM中的参数到底有多少个？

这里假设输入向量(即xt)的长度是75,num_units=125

我们详细看张量在LSTM_Cell中是如何流动的

1）遗忘门(最左边的黄色框)

它接收的是上一时刻的隐藏状态 和当前时刻的输入 ,经过矩阵 得到另外一个向量才经过 。

所以这个过程的参数个数是125*（125+75）+125

2)输入门(第二个黄色框)

这个过程决定保留输入的哪些信息，由两步构成，首先是sigma层决定我们要更新哪些值，接下来tanh层对输入做一次加工(有点归一化的味道)，二者得到的结果相乘后去更新LSTM_Cell的状态。这里经过了相当于两次矩阵相乘再加偏置的运算，所以这个过程的参数个数是2*（125*（125+75）+125）

3）输出门(最后一个黄色框)

可以看到隐藏状态 也有两部分组成。此过程的参数个数也是125*（125+75）+125

4）LSTM_Cell的状态更新

这一部分，没有新的参数

总之，整个过程的参数个数是：(125*（125+75）+125)*4

更一般地，若输入的长度=m,隐藏层的长度=n，则一个LSTM层的参数个数是

(n*(n+m)+n)*4

,

先上经典的LSTM结构

1、首先 tf.nn.rnn_cell.BasicLSTMCell(num_units=n)中的参数num_units指的是什么？

上图中一个浅绿色大框框起来的我们暂时叫一个LSTM_Cell,我们可以看到一个LSTM_Cell中有四个基本的神经网络Cell(即四个黄色的小框)，每个小框可以说存放的是个向量，且四个框中向量长度相同，这个相同的向量 长度 便是num_units

2、LSTM中的参数到底有多少个？

这里假设输入向量(即xt)的长度是75,num_units=125

我们详细看张量在LSTM_Cell中是如何流动的

1）遗忘门(最左边的黄色框)

它接收的是上一时刻的隐藏状态 和当前时刻的输入 ,经过矩阵 得到另外一个向量才经过 。

所以这个过程的参数个数是125*（125+75）+125

2)输入门(第二个黄色框)

这个过程决定保留输入的哪些信息，由两步构成，首先是sigma层决定我们要更新哪些值，接下来tanh层对输入做一次加工(有点归一化的味道)，二者得到的结果相乘后去更新LSTM_Cell的状态。这里经过了相当于两次矩阵相乘再加偏置的运算，所以这个过程的参数个数是2*（125*（125+75）+125）

3）输出门(最后一个黄色框)

可以看到隐藏状态 也有两部分组成。此过程的参数个数也是125*（125+75）+125

4）LSTM_Cell的状态更新

这一部分，没有新的参数

总之，整个过程的参数个数是：(125*（125+75）+125)*4

更一般地，若输入的长度=m,隐藏层的长度=n，则一个LSTM层的参数个数是

(n*(n+m)+n)*4