Argument units=N 的 LSTM 是否等同于 units=1 的 N 个并行 LSTM？
Is a LSTM with Argument units=N equivalent to N parallel LSTMs with units=1?
我目前从神经网络开始，尤其是用于时间序列模型的 LSTM。
我读了一篇论文 (convex based LSTM)，其中有人使用并行 LSTM 并随后组合它们的输出。现在我想知道如何实现这种类型的网络。我知道，Keras 的 LSTM 构造函数中的参数 "units" 是输出的大小，因为最后是逐元素乘法。但是我不确定具有 N 个单元的 Keras-LSTM-Layer 是否与具有 N 个 LSTM 的层相同，每个 LSTM 具有 1 个单元。
换句话说：想象两个 LSTM（一个有 N 个单元，一个有 1 个单元），它们获得相同的输入并产生输出 1（长度 N）和输出 2（长度 1）。如果相应地分配权重，一个 units=N+1 和相同输入的 LSTM 会产生输出 y=[y_1, y_2] 吗？
如果不是这种情况，如何使用顺序模型在 Keras 的一层中使用多个 LSTM？是否只有函数 API?
才有可能
在这篇论文中，他本质上是结合了 k 层 LSTM 的输出，每层都带有 n_k 个单元。
要复制这是 keras，请在每层中写入 k 层 lstms 和 n_k 单元。
只有一个单元的 LSTM 层是没有用的，因为记忆在 LSTM 的单元之间传播以进行顺序输入。一个单元的 LSTM 只处理一个输入值，其他值保持原样。
所以，回答你的问题，不。两者不一样。事实上，对于所有输入，具有 1 个单元的 N 层与第一个输入上的一个单元一样好。
我目前从神经网络开始，尤其是用于时间序列模型的 LSTM。
我读了一篇论文 (convex based LSTM)，其中有人使用并行 LSTM 并随后组合它们的输出。现在我想知道如何实现这种类型的网络。我知道，Keras 的 LSTM 构造函数中的参数 "units" 是输出的大小，因为最后是逐元素乘法。但是我不确定具有 N 个单元的 Keras-LSTM-Layer 是否与具有 N 个 LSTM 的层相同，每个 LSTM 具有 1 个单元。
换句话说：想象两个 LSTM（一个有 N 个单元，一个有 1 个单元），它们获得相同的输入并产生输出 1（长度 N）和输出 2（长度 1）。如果相应地分配权重，一个 units=N+1 和相同输入的 LSTM 会产生输出 y=[y_1, y_2] 吗？
如果不是这种情况，如何使用顺序模型在 Keras 的一层中使用多个 LSTM？是否只有函数 API?
才有可能在这篇论文中，他本质上是结合了 k 层 LSTM 的输出，每层都带有 n_k 个单元。 要复制这是 keras，请在每层中写入 k 层 lstms 和 n_k 单元。 只有一个单元的 LSTM 层是没有用的，因为记忆在 LSTM 的单元之间传播以进行顺序输入。一个单元的 LSTM 只处理一个输入值，其他值保持原样。 所以，回答你的问题，不。两者不一样。事实上，对于所有输入，具有 1 个单元的 N 层与第一个输入上的一个单元一样好。