（使用python）
我对Tensorflow LSTM-Implementation有一个疑问 . 目前在TF中有几种实现，但我使用：
cell = tf.contrib.rnn.BasicLSTMCell(n_units)
- 其中n_units是'parallel' LSTM-Cells的数量 .
然后得到我的输出我打电话：
rnn_outputs, rnn_states = tf.nn.dynamic_rnn(cell, x,
initial_state=initial_state, time_major=False)
-
where（as
time_major=False）x的形状(batch_size, time_steps, input_length) -
其中
batch_size是我的batch_size -
其中
time_steps是我的RNN将经历的时间步数 -
其中
input_length是我的一个输入向量的长度（在一个特定批次的一个特定时间步长上送入网络的向量）
我希望rnn_outputs的形状为 (batch_size, time_steps, n_units, input_length) ，因为我没有指定另一个输出大小 . nn.dynamic_rnn的文档告诉我输出的形状为 (batch_size, input_length, cell.output_size) . tf.contrib.rnn.BasicLSTMCell的文档确实有一个属性 output_size ，它默认为n_units（我使用的LSTM单元格的数量） .
那么每个LSTM-Cell是否只为每个给定的时间步输出一个标量？我希望它输出一个输入向量长度的向量 . 从我现在的理解情况来看，情况似乎并非如此，所以我很困惑 . 你能告诉我是否是这种情况或我如何改变它以输出每个单个lstm-cell的输入矢量大小的矢量？
1 回答
我认为主要的困惑在于LSTM单元论证的术语：
num_units. 不幸的是，顾名思义，这并不意味着"the no. of LSTM cells"应该等于你的时间步数 . 它们实际上对应于隐藏状态中的维数（单元状态隐藏状态向量） . 对dynamic_rnn()的调用返回一个形状的张量：[batch_size, time_steps, output_size]其中，（请注意这一点）output_size = num_units; lstm单元格中的if（num_proj = None）
其中，output_size = num_proj;如果它被定义 .
现在，通常，您将提取最后一个time_step的结果，并使用手动
mat-mul + biases操作将其投影到输出维度的大小，或者使用LSTM单元格中的num_proj参数 .我经历了同样的困惑，不得不看起来非常深入，以清除它 . 希望这个答案可以解决其中一些问题 .