我不确定隐藏层中的架构是什么？输出层？根据这篇博客： http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 和tensLlow中的BasicLSTMCell，这是我读完一些参考后的假设：
隐藏状态：大小（h，1），然后将（h，1）矩阵输入到单元格中作为（i，f，o，g）因子。如果当前输入x具有大小（n，1），则我们将其与具有大小h * 1的先前输出连接，因此输入神经元可具有大小（n + h）。因此，权重矩阵的大小可以是（n + h）* h。
输出状态： LSTM单元格的输出，大小与隐藏状态相同，因为单元格的输入具有隐藏状态的大小，并且单元格内的计算都是逐位计算。
输出值：创建一个输出值的完全连接的图层。如果隐藏状态具有大小h * 1，则该层中的权重矩阵的大小可以是h * 1.
因此，对于具有四个输入通道（i，f，o，g）和输出层的单个LSTM单元，将有5个应该优化的权重矩阵：4个具有大小h *（n + h）对于隐藏层，1表示输出层的大小为h * 1。
我说错了吗？
我希望在完全理解之后我可以为LSTM架构绘制详细图表。谢谢！
答案 0 :(得分：0)
我怀疑您对权重矩阵的解释。以我的理解，我们使用下面的矩阵。
Input - order n
State / Output - order h
four input Matrix having order h X h+n
four output matrix having order h X h
在反向传播中，我们必须使用以下矩阵顺序
output difference delta - order h
如果我在任何方面都错了，请发表评论。