详解Keras3.0 Layer API: LSTM layer

LSTM layer

用于实现长短时记忆网络，它的主要作用是对序列数据进行建模和预测。

• 遗忘门（Forget Gate）：根据当前输入和上一个时间步的隐藏状态，计算遗忘门的值。遗忘门的作用是控制哪些信息应该被遗忘，哪些信息应该保留。
• 输入门（Input Gate）：根据当前输入和上一个时间步的隐藏状态，计算输入门的值。输入门的作用是控制新的信息应该被添加到隐藏状态中，还是应该替换掉旧的信息。
• 候选记忆单元（Candidate Memory Unit）：将遗忘门和输入门的输出相加，得到候选记忆单元的值。候选记忆单元的作用是将新的记忆和旧的记忆结合起来，形成一个新的记忆单元。
• 输出门（Output Gate）：根据当前输入和候选记忆单元，计算输出门的值。输出门的作用是决定下一个时间步的隐藏状态应该是什么。

keras.layers.LSTM(
    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_r