keras的lstm参数,lstm神经网络 python

　　本文主要介绍用python神经网络Keras实现LSTM及其参数的详细说明。有需要的朋友可以借鉴一下，希望能有所帮助。祝大家进步很大，早日升职加薪。

　　00-1010什么是LSTM1，LSTM结构2，唯一门结构3，LSTM参数计算a，遗忘门b，输入门c，输出门d，以及在Keras中实现LSTM实现代码的所有参数？

目录

什么是LSTM

　　我们可以看到，在时间n，LSTM有三个输入：

　　当前时间网络的输入值XT；LSTM最后时刻的输出值ht-1；前一时刻的机组状态Ct-1。LSTM有两个输出：

　　当前时间的LSTM输出值ht；当前机组状态Ct。

1、LSTM的结构

　　LSTM使用两个门来控制小区状态cn的内容：

　　忘记gate，它决定了前一时刻的单元状态cn-1有多少保留给当前时刻；输入门，其确定当前时刻在新的小区状态cn中保存了多少网络的输入cn。LSTM使用一个门来控制当前输出值hn的内容：

　　输出门，通过使用当前单元状态cn来控制hn的输出。

2、LSTM独特的门结构

3、LSTM参数量计算

　　这里的遗忘门需要结合ht-1和Xt来确定上一时刻的单元状态cn-1有多少保留给当前时刻；

　　从图中我们可以得出，在这个环节中我们需要计算一个参数ft。

a、遗忘门

　　这里的门需要结合ht-1和Xt来确定当前时刻单位状态cn下保存了多少网络的输入Cn。

　　从图中我们可以得出，在这个环节中我们需要计算两个参数，即it。

　　还有C t

　　要训练的参数是Wi、bi、WC和bC。

　　在定义LSTM的时候，我们会用到一个叫做units的参数，其实就是神经元的数量，也就是LSTM输出——ht的维数。

　　所以：

b、输入门

　　该门通过使用当前单元状态cn来控制hn的输出；

　　从图中我们可以得出，在这个环节中我们需要计算一个参数ot。

　　其中要训练的参数分别是w0和B0。在定义LSTM的时候，我们会用到一个叫做units的参数，其实就是神经元的数量，也就是LSTM输出——ht的维数。所以：

c、输出门

　　所以所有门的总数是：

d、全部参数量

　　LSTM一般需要输入两个参数。

　　一个是unit、一个是input_shape。

LSTM(CELL_SIZE, input_shape = (TIME_STEPS,INPUT_SIZE))

　　unit用于指定神经元的数量。

　　input_shape用于指定输入的shape，分别指定TIME_STEPS和INPUT_SIZE。

实现代码

import numpy as np

　　实现效果：

10000/10000 [==============================] - 3s 340us/step

　　以上就是python神经网络Keras实现LSTM及其参数量详解的详细内容，更多关于Keras实现LSTM参数量的资料请关注盛行IT软件开发工作室其它相关文章！

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。