这个问题也困扰了我很久,后来终于明白了,很多资料都没有在这个地方做详细的解释,那就是LSTM的小区里面的num_units该怎么理解,其实也是很简单,看看下图:

Keras关于LSTM的units参数

可以看到中间的cell里面有四个黄色小框,你如果理解了那个代表的含义一切就明白了,每一个小黄框代表一个前馈网络层,对,就是经典的神经网络的结构,num_units就是这个层的隐藏神经元个数,就这么简单。其中1,2,4的**函数是sigmoid,第三个的**函数是tanh。

 

另外几个需要注意的地方:

1,cell的状态是一个向量,是有多个值的...一开始没有理解这点的时候怎么都想不明白

2,上一次的状态h(t-1)是怎么和下一次的输入x(t)结合(concat)起来的,这也是很多资料没有明白讲的地方,也很简单,concat,直白的说就是把二者直接拼起来比如 x是28位的向量,h(t-1)是128位的,那么拼起来就是156位的向量,就是这么简单..

3,cell的权重是共享的,这是什么意思呢?这是指这张图片上有三个绿色的大框,代表三个单元对吧,但是实际上,它只是代表了一个单元在不同时序时候的状态,所有的数据只会通过一个单元,然后不断更新它的权重。

4,那么一层的LSTM的参数有多少个?根据第3点的说明,我们知道参数的数量是由cell的数量决定的,这里只有一个单元,所以参数的数量就是这个单元里面用到的参数个数。假设num_units是128,输入是28位的,那么根据上面的第2点,可以得到,四个小黄框的参数一共有(128 + 28)*(128 * 4),也就是156 * 512,可以看看TensorFlow的最简单的LSTM的案例,中间层的参数就是这样,不过还要加上输出的时候的**函数的参数,假设是10个类的话,就是128 * 10的W参数和10个偏差参数

5,cell最上面的一条线的状态即s(t)代表了长时记忆,而下面的h(t)则代表了工作记忆或短时记忆