标签：None Keras recurrent 维度 bias units LSTM 源码

Keras中Units解读

 def __init__(self,
               units,
               activation='tanh',
               recurrent_activation='sigmoid',
               use_bias=True,
               kernel_initializer='glorot_uniform',
               recurrent_initializer='orthogonal',
               bias_initializer='zeros',
               unit_forget_bias=True,
               kernel_regularizer=None,
               recurrent_regularizer=None,
               bias_regularizer=None,
               kernel_constraint=None,
               recurrent_constraint=None,
               bias_constraint=None,
               dropout=0.,
               recurrent_dropout=0.,
               implementation=2,
               **kwargs):

其中units是我一直困惑的点，源码中是这样解释的units: Positive integer, dimensionality of the output space.（翻译：正整数，输出空间的维数），看了源码解释之后还是不理解，只知道是输出的维度，那么这个维度到底代表什么？，看了很多人的解释是隐藏层神经元个数。隐藏层神经元个数与输出维度是什么关系呢？
实际上LSTM中4个门相当于4个全连接层，其经过Sigmoid函数输出也为隐藏神经元大小一致的实数向量。这样就与源码中units解释的输出的维度相对应了。

标签：None,Keras,recurrent,维度,bias,units,LSTM,源码
来源： https://blog.csdn.net/zailushag/article/details/121186066

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。