Tensorflow 以Keras为单位的LSTM权重顺序

我试图对一个学习过的LSTM模型做一个简单的评估（即向前传递），但我无法确定f_t、I_t、o_t、c_in从z中提取的顺序。据我所知，它们是批量计算的。 以下是使用Keras获得的模型架构：

我的输入顺序是：

input_seq = np.array([[[0.725323664],
                   [0.7671179],
                   [0.805884672]]])

输出应为：

[ 0.83467698]

使用Keras，我获得了第一个LSTM层的以下参数：

lstm_1_kernel_0 = np.array([[-0.40927699, -0.53539848, 0.40065038, -0.07722378, 0.30405849, 0.54959822, -0.23097005, 0.4720422, 0.05197877, -0.52746099, -0.5856396, -0.43691438]])

lstm_1_recurrent_kernel_0 = np.array([[-0.25504839, -0.0823682, 0.11609183,  0.41123426, 0.03409858, -0.0647027, -0.59183347, -0.15359771,  0.21647622,  0.24863823, 0.46169096, -0.21100986],
                                  [0.29160395,  0.46513283,  0.33996364, -0.31195125, -0.24458826, -0.09762905, 0.16202784, -0.01602131, 0.34460208, 0.39724654, 0.31806156, 0.1102117],
                                  [-0.15919448, -0.33053166, -0.22857222, -0.04912394, -0.21862955,  0.55346996, 0.38505834, 0.18110731, 0.270677, -0.02759281, 0.42814475, -0.13496138]])
lstm_1_bias_0 = np.array([0., 0., 0., 1., 1., 1., 0., 0., 0., 0., 0., 0.])

# LSTM 1
z_1_lstm_1 = np.dot(x_1_lstm_1, lstm_1_kernel_0) + np.dot(h_0_lstm_1, lstm_1_recurrent_kernel_0) + lstm_1_bias_0
i_1_lstm_1 = z_1_lstm_1[0, 0:3]
f_1_lstm_1 = z_1_lstm_1[0, 3:6]
input_to_c_1_lstm_1 = z_1_lstm_1[0, 6:9]
o_1_lstm_1 = z_1_lstm_1[0, 9:12]

所以问题是

i_1_lstm_1

，

f_1_lstm_1

，

input_to_c_1_lstm_1

，

o_1_lstm_1

，

的正确顺序是（i，f，c，o）。在中，在
LSTMCell
中，权重由以下公式构成：

self.kernel\u i=self.kernel[：，：self.units]
self.kernel\u f=self.kernel[：，self.units:self.units*2]
self.kernel_c=self.kernel[：，self.units*2:self.units*3]
self.kernel\u o=self.kernel[：，self.units*3:]
self.recurtive_kernel_i=self.recurtive_kernel[：，：self.units]
self.recurtive_kernel_f=self.recurtive_kernel[：，self.units:self.units*2]
self.recurtive_kernel_c=self.recurtive_kernel[：，self.units*2:self.units*3]
self.recurtive_kernel_o=self.recurtive_kernel[：，self.units*3:]
如果使用self.u偏差：
self.bias_i=self.bias[：self.units]
self.bias\u f=self.bias[self.units:self.units*2]
self.bias_c=self.bias[self.units*2:self.units*3]
self.bias_o=self.bias[self.units*3:]
当然，这似乎是事实，但我仍在为一次简单的手动向前传球而挣扎