LSTM原理、参数介绍、Keras实现

原创已于 2022-03-30 20:31:58 修改 · 3.4k 阅读

32 ·

CC 4.0 BY-SA版权

文章标签：

#lstm #keras #深度学习

于 2021-03-16 16:19:39 首次发布

深度学习专栏收录该内容

15 篇文章

订阅专栏

本文深入浅出地介绍了长短期记忆网络（LSTM）的工作原理，并通过多个实例展示了如何使用Keras库进行LSTM网络的设计与调参。文章还详细解释了LSTM函数中的关键参数及其作用。

@创建于：20210316
@修改于：20210316，20220317

1、LSTM原理

LSTM原理及Keras中实现：20191207
LSTM原理及Keras中实现：20200714
难以置信！LSTM和GRU的解析从未如此清晰（动图+视频）2018-09-29

人人都能看懂的LSTM：20171216
人人都能看懂的GRU：20180102

Keras关于LSTM的units参数，还是不理解?
Units in LSTM【有助于理解，如下图】在这里插入图片描述

2、参数介绍

LSTM函数的各个参数的含义：2019-06-08

LSTM08 超详细LSTM调参指南

keras：LSTM函数详解

3、Keras实现

model = Sequential()
model.add(LSTM(units=100, input_shape=(30, 40), return_sequences=True))
model.add(Dropout(0.2))

model.add(LSTM(units=50, return_sequences=False))
model.add(Dropout(0.2))

model.add(Dense(units=1))
model.add(Activation("linear"))
model.compile(loss="mse", optimizer="adam", metrics=['mae', 'mape'])