获取LSTM模型Python的输出方程

我有一个像这样构建的LSTM模型（与完全连接的层相结合）。是否有任何函数或方法可以得到模型的方程，向我们展示输入和最终输出之间的关系

model = Sequential()

model.add(LSTM(units = 120, activation ='relu', return_sequences = True,input_shape =(train_in.shape[1],5)))
     
model.add(Dense(100,activation='relu'))
model.add(Dense(50,activation='relu'))
model.add(Dense(1))

我需要将模型的方程用于不同的目的。因此，请让我知道是否有任何内置功能可用于此

---

谢谢：）

LSTM方程看起来像这样（每个LSTM层）：

请看这里：

密集层方程为：

y=激活（W*x+b）

---

退出层不会添加任何方程式。

您所说的是什么关系？无法获得模型的数学公式，但是，您可以手动执行。我做过几次。这是一场耐心的游戏，但也是可能的。使用tensorboard获得整个图形并从那里开始。当然，删除你的退出层，因为它们对你想要实现的目标毫无意义。Hello@CrazyBrazzilian，是的，我想知道如何手动完成它们。我有耐心：D。。请分享您使用的手动方法的任何参考。在这里，当我使用“model.get_weights（）”时，我只能看到（5480）和（120480）维的2个权重矩阵，以及上述模型（已编辑）的一个480维偏差矩阵。所以我想知道这些权重是什么，如何用这些权重构建LSTM方程。由于LSTM有4个层，我声明了120个单元，我可以假设前120个值对应于第一层，下120个对应于第二层，依此类推吗？您好@Andrey，我知道您上面提到的方程式。但是，当我使用'model.get_weights（）'函数时，对于上述模型（已编辑），我只能看到（5480）&（120480）维的2个权重矩阵和480维的一个偏差矩阵。所以我想知道这些权重是什么，如何用这些权重和偏差来构建LSTM的方程