DataLayer 放置在由 Shai 的 LSTM 实现生成的 .prototxt 文件中
DataLayer placement in the .prototxt file generated by Shai's LSTM implementation
关于@Shai 在 LSTM module for Caffe 中提供的答案，其中 caffe.NetSpec() 用于显式地及时展开 LSTM 单元以进行训练。
使用此代码实现，为什么 "DummyData" 层或用作输入 X 的任何数据层出现在 t0 时间步的末尾，就在之前"t1/lstm/Mx" 在 prototxt 文件中？我不明白...
因此需要进行操作（剪切/粘贴）。
Shai's NetSpec implementation of LSTM及时展开。因此，对于每个时间步长，都有一个 LSTM 单元，其跨时间步长共享权重。
每个时间单位的 "bottom"（例如 t1/lstm/Mx）是输入 X 的不同时间步长。
顺便说一下，我建议您使用 draw_net.py caffe 实用程序来绘制生成的 prototxt 并查看数据流和展开的 LSTM 单元的时间重复。
这是展开的网的样子：
您可以看到三个 LSTM 单元的组件，以及 X 的 不同 时间切片进入每个时间展开的 LSTM 单元。
关于@Shai 在 LSTM module for Caffe 中提供的答案，其中 caffe.NetSpec() 用于显式地及时展开 LSTM 单元以进行训练。
使用此代码实现，为什么 "DummyData" 层或用作输入 X 的任何数据层出现在 t0 时间步的末尾，就在之前"t1/lstm/Mx" 在 prototxt 文件中？我不明白...
因此需要进行操作（剪切/粘贴）。
Shai's NetSpec implementation of LSTM及时展开。因此，对于每个时间步长，都有一个 LSTM 单元，其跨时间步长共享权重。
每个时间单位的 "bottom"（例如 t1/lstm/Mx）是输入 X 的不同时间步长。
顺便说一下，我建议您使用 draw_net.py caffe 实用程序来绘制生成的 prototxt 并查看数据流和展开的 LSTM 单元的时间重复。
这是展开的网的样子：
X 的 不同 时间切片进入每个时间展开的 LSTM 单元。