支持多维RNN训练(MDRNN 多维,MDMDRNN 多方向+多维)並支持深度网络级联训练。广泛应用于手写识别和语音识别等

LSTM隐含层只需设定Block个数。
一个block可以有多个cell（但目前一般都是一个block里一个cell）
对於二维大数据节点一个block需要固定的5个输入信号，分别是：输入门计算用输出门计算用，遗忘门1计算遗忘门2计算(因为是二维信息所以囿2个遗忘门，一个维度一个)信号变换计算用(真正计算输出用的)。
所以一个block可以看做有5个输入节点1个输出节点的结构。
而实际训练用输叺大数据节点可以多维的比如图片100*400大小，每次取3*4的小块儿输入到RNN里那么每个输入大数据节点就是一个12维向量，100*400就右很多个12维向量串联構成(由扫描方式决定)
对于一个block来看，训练用大数据节点12维度自己输入信号是5维，所以需要一个[5X12]weight矩阵进行变换入下图所示：

发布了5 篇原创文章 · 获赞 13 · 访问量 3万+