我试着在tensorflow中训练我的LSTM模型，我的模块必须计算参数内部参数 . 我想完全训练两个参数 . 更多细节见下图 .
我认为张量流LSTM模块的输入必须是完美的序列和参数，如“tf.placeholder” . 我怎样才能在张量流中做到这一点？或者你可以在这个任务中推荐比tensorflow更好的另一个合适的框架吗？
抱歉我的英语不好 .
首先，你对word参数的使用非常混乱 . 通常，参数被称为可训练参数，因此称为由优化器训练的每个变量 . 还有所谓的超参数，必须按手动设置，例如像模型拓扑一样 .
Tensorflow使用张量，这些张量是用于构建工作流的数据表示，并且在运行时通过占位符填充数据，占位符就像数据的入口点 .
此外，如果您在tensorflow中构建模型有困难，那么还有keras . Keras可以使用tensorflow作为其后端运行，但模型构建更容易 . 此外，keras在tensorflow API中也可用作tf.keras . 在keras中，一个或多个LSTM被简化为可添加到模型中的图层 .
如果您想更具体地回答问题，请提供代码来描述您的问题 .
1 回答
首先，你对word参数的使用非常混乱 . 通常，参数被称为可训练参数，因此称为由优化器训练的每个变量 . 还有所谓的超参数，必须按手动设置，例如像模型拓扑一样 .
Tensorflow使用张量，这些张量是用于构建工作流的数据表示，并且在运行时通过占位符填充数据，占位符就像数据的入口点 .
此外，如果您在tensorflow中构建模型有困难，那么还有keras . Keras可以使用tensorflow作为其后端运行，但模型构建更容易 . 此外，keras在tensorflow API中也可用作tf.keras . 在keras中，一个或多个LSTM被简化为可添加到模型中的图层 .
如果您想更具体地回答问题，请提供代码来描述您的问题 .