Python 在Tensorflow中，权重按什么顺序保存在LSTM内核中

我查看了Tensorflow中的

LSTMCell

保存的权重。 它有一个大的内核和偏差权重

内核的维度是

(input_size + hidden_size)*(hidden_size*4)

据我所知，这是封装4个输入到隐藏层仿射变换以及4个隐藏到隐藏层变换

所以应该有4个大小的矩阵

input_size*hidden_size

和4号

hidden_size*hidden_size

---

有人能告诉我或告诉我TF保存这些文件的代码，这样我就可以将内核矩阵分解成更小的矩阵。

在tensorflow 1.5中，LSTM变量在

LSTMCell.build

方法中定义。源代码可以在以下位置找到：

self.\u内核=self.add\u变量(
_权重\变量\名称，
形状=[input_depth+h_depth，4*self.\u num\u units]，
初始值设定项=self.\u初始值设定项，
分区器=可能的分区器）
self.\u bias=self.add\u变量(
_偏差变量名称，
形状=[4*自身数量单位]，
初始值设定项=init_ops.zeros_初始值设定项（dtype=self.dtype））

正如您所看到的，只有一个

[输入深度+h深度，4*self.\u num\u单位]

变量，而不是8个不同的矩阵，并且所有这些矩阵在一批中同时相乘

闸门的定义如下：

i、j、f、o=数组操作拆分（值=门输入，数量或大小拆分=4，轴=1）

在tensorflow 1.5中，LSTM变量在

LSTMCell.build

方法中定义。源代码可以在以下位置找到：

self.\u内核=self.add\u变量(
_权重\变量\名称，
形状=[input_depth+h_depth，4*self.\u num\u units]，
初始值设定项=self.\u初始值设定项，
分区器=可能的分区器）
self.\u bias=self.add\u变量(
_偏差变量名称，
形状=[4*自身数量单位]，
初始值设定项=init_ops.zeros_初始值设定项（dtype=self.dtype））

正如您所看到的，只有一个

[输入深度+h深度，4*self.\u num\u单位]

变量，而不是8个不同的矩阵，并且所有这些矩阵在一批中同时相乘

闸门的定义如下：

i、j、f、o=数组操作拆分（值=门输入，数量或大小拆分=4，轴=1）

权重的组合如另一个答案中所述，但顺序为： 其中，

c

是上下文，

h

是历史

input_c,      input_h
new_input_c,  new_input_h
forget_c,     forget_h
output_c,     output_h

有关守则如下：

---

权重的组合如另一个答案中所述，但顺序为： 其中，

c

是上下文，

h

是历史

input_c,      input_h
new_input_c,  new_input_h
forget_c,     forget_h
output_c,     output_h

有关守则如下：

---

谢谢，这太完美了。我在这里也找到了同样的订单：谢谢，这太完美了。我在这里也发现了同样的顺序：