我正在使用训练有素的LSTM模型 . 我想在预测时提取每个门的输出，并且输入是单个序列 . 在 recurrent.py （来自keras包）中，将通过以下方式给出：

i = self.recurrent_activation(x_i + K.dot(h_tm1_i, 
self.recurrent_kernel_i))
f = self.recurrent_activation(x_f + K.dot(h_tm1_f, 
self.recurrent_kernel_f))
c = f * c_tm1 + i * self.activation(x_c + K.dot(h_tm1_c,
self.recurrent_kernel_c))

我无法提取 i ， c ， f ， o 矩阵，因为可以对权重和偏差进行提取：

for layer in model.layers:
  if "lstm" in str(layer).lower():
    kernel_i = K.get_value(layer.kernel_i)
    kernel_f = K.get_value(layer.kernel_f)
....

EDITED

我尝试使用例如计算激活：x_i = K.dot（inputs_i，kernel_i）
但是，它会输出以下错误：'numpy.ndarray'对象没有属性'get_shape'

这是错误的，因为 inputs_i 和 kernel_i 都是numpy数组 . 正确的方法是：

x_i = np.dot(inputs_i, kernel_i)

然后添加偏见： x_i = x_i + bias_i

仍然在 recurrent.py 之后，下一步是获取输入门 i 的输出，例如：

i = self.recurrent_activation(x_i + K.dot(h_tm1_i, 
    self.recurrent_kernel_i))

需要先将 x_i 转换为张量，然后从图层对象中获取recurrent_activation：

x_i_tensor = tf.convert_to_tensor(x_i, np.float32) 
i = layer_lstm.recurrent_activation(x_i_tensor + K.dot(h_tm1_i,
    layer_lstm.recurrent_kernel_i))

So, now the question is how to access the hidden state h_tm1_i ？我很感激一些建议 . 谢谢

python tensorflow keras lstm keras-layer