Python 了解LSTM模型的摘要

我有下面的LSTM模型。有人能帮我理解模型的摘要吗

a参数是如何计算的

b我们没有价值

c下拉菜单附近的参数为什么为0

model = Sequential()
model.add(LSTM(64, return_sequences=True, recurrent_regularizer=l2(0.0015), input_shape=(timestamps, 
input_dim)))
model.add(Dropout(0.5))
model.add(LSTM(64, recurrent_regularizer=l2(0.0015), input_shape=(timesteps,input_dim)))


model.add(Dense(64, activation='relu'))
model.add(Dense(64, activation='relu'))

model.add(Dense(n_classes, activation='softmax'))
model.summary()

以下是输入、时间戳和x_序列

timesteps=100
input_dim= 6
X_train=1120

总结如下：

    Layer (type)                 Output Shape              Param #   
=================================================================
    lstm_1 (LSTM)                (None, 100, 64)           18176     
_________________________________________________________________
    dropout_1 (Dropout)          (None, 100, 64)           0         
_________________________________________________________________
    lstm_2 (LSTM)                (None, 64)                33024     
_________________________________________________________________
    dense_1 (Dense)              (None, 64)                4160      
_________________________________________________________________
    dense_2 (Dense)              (None, 64)                4160      
_________________________________________________________________
    dense_3 (Dense)              (None, 6)                 390       
=================================================================
    Total params: 59,910
    Trainable params: 59,910
    Non-trainable params: 0

---

这里回答了你的部分问题

简单地说，LSTM模型有这么多参数的原因是，您的模型中有大量数据，需要训练许多权重来拟合模型

辍学层没有参数，因为辍学层中没有权重。一个退出层所做的只是给出一个神经元在测试过程中不被包含的%几率。在这种情况下，您选择了50%。除此之外，在退出层中没有任何配置

如何计算参数？ 嗯！！。输入维为6，第一层LSTM中的隐藏神经元为64

因此，第一个LSTM层采用这种形式的输入[64初始化隐藏状态+6输入]。所以我们可以说输入维是70[t-1处的64个隐藏状态+t处的6个电流输入]

现在是计算部分

参数数量=输入尺寸*隐藏单位+偏差

         = [64 (randomly initialized hidden state dimension) + 6 (input dimension)]*64( hidden neurons ) + 64 ( bias 1 for each hidden neurons)

         = (64+6)*64+64

对于一个FFNN=4544

但是LSTM有4个FFNN，所以只需将其乘以4即可

总可培训参数=4*4544

                   = 18176

辍学层没有任何参数

我不确定你说的是哪种价值

---

你有什么不明白的？谢谢。因此，第一个lstm层具有4 x 64x6+64x64+64==18176。我不了解下一个lstm的参数，但我会找到它。