Lstm（）

LSTM()是Python中用于创建LSTM层的函数，其语法如下：

tf.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_regularizer=None, activity_regularizer=None, kernel_constraint=None, recurrent_constraint=None, bias_constraint=None, dropout=0.0, recurrent_dropout=0.0, implementation=2, return_sequences=False, return_state=False, go_backwards=False, stateful=False, time_major=False, unroll=False)

其中参数意义如下：

- units：LSTM层中神经元的个数。
- activation：激活函数，默认为"tanh"。
- recurrent_activation：循环激活函数，默认为"sigmoid"。
- use_bias：是否使用偏置，默认为True。
- kernel_initializer：权重矩阵的初始化方法，默认为"glorot_uniform"。
- recurrent_initializer：循环权重矩阵的初始化方法，默认为"orthogonal"。
- bias_initializer：偏置向量的初始化方法，默认为"zeros"。
- unit_forget_bias：是否使用遗忘门的偏置，默认为True。
- kernel_regularizer：权重矩阵的正则化方法，默认为None。
- recurrent_regularizer：循环权重矩阵的正则化方法，默认为None。
- bias_regularizer：偏置向量的正则化方法，默认为None。
- activity_regularizer：输出的正则化方法，默认为None。
- kernel_constraint：权重矩阵的约束方法，默认为None。
- recurrent_constraint：循环权重矩阵的约束方法，默认为None。
- bias_constraint：偏置向量的约束方法，默认为None。
- dropout：输入的dropout比率，默认为0。
- recurrent_dropout：循环状态的dropout比率，默认为0。
- implementation：实现模式，0表示使用基于符号计算的实现模式，1表示使用基于tensorflow的实现模式，2表示使用基于cuDNN的实现模式。
- return_sequences：是否返回输出序列，默认为False。
- return_state：是否返回最后一个时间步的输出，默认为False。
- go_backwards：是否反向处理输入序列，默认为False。
- stateful：是否使用有状态模式处理序列数据，默认为False。
- time_major：输入和输出张量的时间维度是否为第一维度，默认为False。
- unroll：是否展开循环，默认为False。