Python 3.x 为什么这些LSTM参数计数不同？

我正在为一份报告构建一个LSTM，我想总结一下关于它的事情。然而，我已经看到了两种在Keras中构建LSTM的不同方法，它们为参数的数量产生了两个不同的值

我想了解为什么参数会以这种方式不同

这个问题正确地说明了为什么要使用此代码

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation
from keras.layers import Embedding
from keras.layers import LSTM
model = Sequential()
model.add(LSTM(256, input_dim=4096, input_length=16))
model.summary()

结果显示4457472个参数

据我所知，以下两个LSTM应该是相同的

m2 = Sequential()
m2.add(LSTM(1, input_dim=5, input_length=1))
m2.summary()

m3 = Sequential()
m3.add(LSTM((1),batch_input_shape=(None,5,1)))
m3.summary()

但是，

m2

产生

28

参数，而

m3

产生

12

参数为什么？

如何为一个具有5维输入的1单位LSTM计算12？
包括警告信息。希望对你有帮助

输出

_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_1 (LSTM)                (None, 256)               4457472   
=================================================================
Total params: 4,457,472
Trainable params: 4,457,472
Non-trainable params: 0
_________________________________________________________________

Warning (from warnings module):
  File "difparam.py", line 11
    m2.add(LSTM(1, input_dim=5, input_length=1))
UserWarning: The `input_dim` and `input_length` arguments in recurrent layers are deprecated. Use `input_shape` instead.

Warning (from warnings module):
  File "difparam.py", line 11
    m2.add(LSTM(1, input_dim=5, input_length=1))
UserWarning: Update your `LSTM` call to the Keras 2 API: `LSTM(1, input_shape=(1, 5))`
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_2 (LSTM)                (None, 1)                 28        
=================================================================
Total params: 28
Trainable params: 28
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_3 (LSTM)                (None, 1)                 12        
=================================================================
Total params: 12
Trainable params: 12
Non-trainable params: 0
_________________________________________________________________

---

m2是基于堆栈溢出问题的信息构建的，m3是基于YouTube构建的。

因为正确的值是

input\u dim=1

和

input\u length=5

---

它甚至写在您收到的警告中，

m2

的输入形状与

m3

中使用的形状不同：

用户警告：更新对keras2api的

LSTM

调用：

LSTM（1，input_-shape=（1，5））

---

强烈建议您使用警告中的建议

m2

似乎说4x（（1×5）+（1^2）+1）=4x（1+5+1）=4x7=28<代码>m3毫无意义。好的

m3.添加（LSTM（（1），批处理输入形状=（无，1,5））

给出与

m2相同的参数。添加（LSTM（1，输入尺寸=5，输入长度=1））

。这个警告对我来说很神秘，这很糟糕。对于长度为1.5的LSTM，您不会获得任何收益。重点是理解参数差异<代码>输入长度实际上是可选的。在

m3

中，

None

实际上表示输入长度（即观察值）。它不是一个与参数相关的值。我试图理解，与其他NN类型相比，param计数是一种糟糕的方式。不，在

batch\u-input\u-shape=（无，1，5）

中，长度为1->

batch\u-input\u-shape=（样本，长度，特征）

。