lstm输出输出和参数你懂了吗

最近在做一个nlp的练习赛，把lstm重新彻底温习了一遍。把以前很多没搞懂的东西重新倒腾了一遍，收获真的很多，但是由于知识点较多，所以写一篇博客来记录。
本文绝多数图片及内容参考自：https://www.zhihu.com/question/41949741
但是本文不会讲一下很基础的东西，只会讲一些很扰人的东西。

1.lstm初探

相信你第一次学习lstm的时候，一定也是百度lstm，开始看博文，当你对遗忘门，输入门，输出门有所理解的时候，那么恭喜你，你已经入门了，但是入门的同时也是痛苦的开始。
不信的话，我问你几个问题：

2.LSTM 的 cell 里面的 num_units 该怎么理解

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 cell 里面的 num_units 该怎么理解，其实也是很简单，看看下图：

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的激活函数是 sigmoid，第三个的激活函数是 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 cell 对吧，但是实际上，它只是代表了一个 cell 在不同时序时候的状态，所有的数据只会通过一个 cell，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 cell，所以参数的数量就是这个 cell 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）（1284），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激活函数的参数，假设是10个类的话，就是128*10的 W 参数和10个bias 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暂时这么多。

作者：lonlon ago
链接：https://www.zhihu.com/question/41949741/answer/309529532
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

3.推荐一篇博文，是讲LSTM中的参数个数是怎么计算的

from: zackhttps://www.zhihu.com/question/41949741

推荐一篇博文，是讲LSTM中的参数个数是怎么计算的
https://www.cnblogs.com/wushaogui/p/9176617.html
(博主注：很重要)

4 超清晰的lstm训练过程

说明：上面画红框的地方，如想输出如上的三维矩阵，需要指明参数：return_sequences=True

参考：https://blog.csdn.net/wjc1182511338/article/details/79689409