LSTM模型model.summary()输出的param计算

最新推荐文章于 2026-06-27 16:59:50 发布

原创

最新推荐文章于 2026-06-27 16:59:50 发布 · 1.4k 阅读

·

0

·

标签

#lstm #深度学习 #神经网络

本文介绍了LSTM模型中参数的数量计算方法。在基本神经网络中，参数量为（输入数据维度+1）* 神经元个数，考虑了偏置项。对于LSTM，每个单元包含4个非线性变换，每个变换相当于一个全连接网络，参数量为((embedding_size + hidden_size) * hidden_size + hidden_size) * 4，且这4个网络的权重不共享。因此，一层双向LSTM的参数量是这个数值的两倍。

目录

基本神经网络

基本神经网络

Param = （输入数据维度+1）* 神经元个数
之所以要加1，是考虑到每个神经元都有一个Bias。

LSTM

一个LSTM单元有 4 个非线性变换（3 个门 + 1 个 tanh），每一个非线性变换说白了就是一个全连接网络。首先输入是 $x_{i}^{}$ 和 $a_{i}^{<t-1>}$ 的结合，即[ $x_{i}^{<t>}$ , $a_{i}^{<t-1>}$ ]；维度就是 embedding_size + hidden_size，再加上偏差数量hidden_size，所以该网络的参数量就是：

(embedding_size + hidden_size) * hidden_size + hidden_size

一个 cell 有 4 个这样结构相同的网络，那么一个 cell 的总参数量就是直接 × 4：

((embedding_size + hidden_size) * hidden_size + hidden_size) * 4<

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。