Tensorflow 中 LSTM 层的门权重顺序
Gate weights order for LSTM layers in Tensorflow
我有一个包含一些 LSTM 层的 Keras 模型。我知道我可以通过 get_weights() 方法获取 LSTM 层的权重，结果是一个由三个元素组成的列表：核、递归核和偏差。
如文档所述，每个元素都包含 LSTM 层中 4 个门的权重。但是，它没有说明它们的存储顺序。例如，如果 LSTM 层有 N 个单元，则偏置向量将由 4*N 个元素组成。这些元素中的哪一个对应于第 1/2/3/4 门？
顺序为i, f, c, o，分别代表输入门、遗忘门、单元门和输出门。您可以从 LSTMCell 实现 here.
中获取信息
lstm = LSTM(100)
lstm(np.zeros((64,10,5)))
kernel = lstm.weights[0]
w_i,w_f,w_c,w_o = tf.split(kernel,4,axis=1)
print(*(w.shape for w in (w_i,w_f,w_c,w_o)))#all are (5, 100)
我有一个包含一些 LSTM 层的 Keras 模型。我知道我可以通过 get_weights() 方法获取 LSTM 层的权重，结果是一个由三个元素组成的列表：核、递归核和偏差。
如文档所述，每个元素都包含 LSTM 层中 4 个门的权重。但是，它没有说明它们的存储顺序。例如，如果 LSTM 层有 N 个单元，则偏置向量将由 4*N 个元素组成。这些元素中的哪一个对应于第 1/2/3/4 门？
顺序为i, f, c, o，分别代表输入门、遗忘门、单元门和输出门。您可以从 LSTMCell 实现 here.
lstm = LSTM(100)
lstm(np.zeros((64,10,5)))
kernel = lstm.weights[0]
w_i,w_f,w_c,w_o = tf.split(kernel,4,axis=1)
print(*(w.shape for w in (w_i,w_f,w_c,w_o)))#all are (5, 100)