Tensorflow 如何从训练lstm单元中读取每个特征的权重

我在TF1.1.0上使用了几个时间序列作为特征（3个特征作为输入）到LSTM模型（1个回归输出）。主要功能启动了一个会话，如下所示：

model = SKCompat(learn.Estimator(model_fn=lstm_model, 
              model_dir=LOG_DIR,
              params={'learning_rate': Learning_rate}))
model.fit(trainX, trainY, steps=steps)

lstm_模型的主要功能如下：

lstm_cell = tf.contrib.rnn.LSTMCell(hidden, state_is_tuple=True)
lstm_cell = tf.contrib.rnn.DropoutWrapper(cell=lstm_cell, output_keep_prob=0.1)
(output, state) = tf.nn.dynamic_rnn(cell=lstm_cell, inputs=features, dtype=tf.float32)

在训练和保存模型（由默认tf函数本身自动保存）后，我可以通过主函数中的“导入元图”和“恢复”读取LSTM单元的权重。权重看起来像（131512）数组

问题是如何从这样的权重数组中知道每个特征的权重，即每个特征对输出的权重

---

顺便说一句，如果您使用默认的tf功能，我可以在培训时保存自定义模型吗？如何做？非常感谢。

我认为重量[131512]可以这样解释：

因为有128个隐藏层，所以有3个功能

D-131变量是3个特征、128个隐藏层的权重（仍然不确定）

D-512变量是每个隐藏层中输入门、遗忘门、单元状态和输出门的权重，4*128=512。 我说得对吗

---

解释：如果我向输入中添加一个以上的特征，权重将是（132512）数组。批处理大小=1