LSTM Custom

def InitLSTM(self,LSTM,Name,InputSize)

????? LSTM.Forget_Wights_X=tf.Variable(tf.truncated_normal(

????????????????????????????????????????????????? shape=? [InputSize,LSTM.Size],stddev=0.1))

????? LSTM.Forget_Wights_Z=tf.Variable(tf.truncated_normal(

????????????????????????????????????????????????? shape=[LSTM.Size,LSTM.Size],stddev=0.1),)

????? LSTM.Forget_Biases=tf.Variable(tf.zeros(shape=[LSTM.Size]))

????? LSTM.Output_Wights_X=tf.Variable(tf.truncated_normal(

???????????????????????????????????????????????? shape=[InputSize,LSTM.Size],stddev=0.1),)

???? LSTM.Output_Wights_Z=tf.Variable(tf.truncated_normal(

???????????????????????????????????????????????? shape=[LSTM.Size,LSTM.Size]),)

???? LSTM.Output_Biases=tf.zeros(shape=[LSTM.Size],)

???? LSTM.Generate_Wights_Xi=tf.Variable(tf.truncated_normal(

????????????????????????????????????? shape=[InputSize,LSTM.Size],stddev=0.1),)

???? LSTM.Generate_Wights_XC=tf.Variable(tf.truncated_normal(

????????????????????????????????????? shape=[InputSize,LSTM.Size],stddev=0.1),)

???? LSTM.Generate_Wights_Zi=tf.Variable(tf.truncated_normal(

???????????????????????????????????? shape=[LSTM.Size.Size],stddev=0.1))

???? LSTM.Generate_Wights_ZC=tf.Variable(tf.truncated_normal(

???????? shape=[LSTM.Size,LSTM.Size],stddev=0.1))

????????? LSTM.Generate_Biases=tf.zeros(shape=[LSTM.Size])

????????? LSTM.HState=tf.zeros(shape=[LSTM.Size],name="HState"+Name)

???????? LSTM.CState=tf.zeros(shape=[LSTM.Size],name="CState"+Name)


def????? CalculateLSTM(self,LSTM,Input):

????????? Out=None

?????????? for i in??? range(LSTM.Step):

?????????? Forget=tf.matmul(Input,LSTM.Forget_Wights_X)\

???????????????????????????? +tf.matmul(LSTM.HState,LSTM.Forget_Wights_Z)\

?????????????????????????????????? +LSTM.Forget_Biases

????????? Generate_i=tf.matmul(Input,LSTM.Generate_Wights_Xi)\

??????????????????????????????????? +tf.matmul(LSTM.HState,LSTM.Generate_Wights_Zi)\

??????????????????????????????????????? +LSTM.Generate_Biases_i

?????????? Generate_C=tf.matmul(Input,LSTM.Generate_Wights_XC)\

?????????????????????????????????????? +tf.matmul(LSTM.HState,LSTM.Generate_Wights_ZC)\

??????????????????????????????????????????? +LSTM.Generate_Biases_C

?????????? Out=tf.matmul(Input,LSTM.Output_Wights_X)\

????????????????????????????????????? +tf.matmul(LSTM.HState,LSTM.Output_Wights_Z)\

????????????????????????????????????????? +LSTM.Output_Biases

?????????? #Updata State

????????????? LSTM.CState=Forget*LSTM.HState+Generate_C*Generate_i

????????????? LSTM.HState=Out*tf.tanh(LSTM.CState)

???????????? returnOut

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末宪祥,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌疆拘,老刑警劉巖缕允,帶你破解...
    沈念sama閱讀 211,265評(píng)論 6 490
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件嘱朽,死亡現(xiàn)場(chǎng)離奇詭異润讥,居然都是意外死亡魄咕,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,078評(píng)論 2 385
  • 文/潘曉璐 我一進(jìn)店門(mén)骂维,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)惹资,“玉大人,你說(shuō)我怎么就攤上這事航闺⊥什猓” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 156,852評(píng)論 0 347
  • 文/不壞的土叔 我叫張陵潦刃,是天一觀的道長(zhǎng)侮措。 經(jīng)常有香客問(wèn)我,道長(zhǎng)乖杠,這世上最難降的妖魔是什么萝毛? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,408評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮滑黔,結(jié)果婚禮上笆包,老公的妹妹穿的比我還像新娘。我一直安慰自己略荡,他們只是感情好庵佣,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,445評(píng)論 5 384
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著汛兜,像睡著了一般巴粪。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上粥谬,一...
    開(kāi)封第一講書(shū)人閱讀 49,772評(píng)論 1 290
  • 那天肛根,我揣著相機(jī)與錄音,去河邊找鬼漏策。 笑死派哲,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的掺喻。 我是一名探鬼主播芭届,決...
    沈念sama閱讀 38,921評(píng)論 3 406
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼感耙!你這毒婦竟也來(lái)了褂乍?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 37,688評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤即硼,失蹤者是張志新(化名)和其女友劉穎逃片,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體只酥,經(jīng)...
    沈念sama閱讀 44,130評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡褥实,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,467評(píng)論 2 325
  • 正文 我和宋清朗相戀三年呀狼,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片性锭。...
    茶點(diǎn)故事閱讀 38,617評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡赠潦,死狀恐怖叫胖,靈堂內(nèi)的尸體忽然破棺而出草冈,到底是詐尸還是另有隱情,我是刑警寧澤瓮增,帶...
    沈念sama閱讀 34,276評(píng)論 4 329
  • 正文 年R本政府宣布怎棱,位于F島的核電站,受9級(jí)特大地震影響绷跑,放射性物質(zhì)發(fā)生泄漏拳恋。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,882評(píng)論 3 312
  • 文/蒙蒙 一砸捏、第九天 我趴在偏房一處隱蔽的房頂上張望谬运。 院中可真熱鬧,春花似錦垦藏、人聲如沸梆暖。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,740評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)轰驳。三九已至,卻和暖如春弟灼,著一層夾襖步出監(jiān)牢的瞬間级解,已是汗流浹背。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,967評(píng)論 1 265
  • 我被黑心中介騙來(lái)泰國(guó)打工田绑, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留勤哗,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,315評(píng)論 2 360
  • 正文 我出身青樓掩驱,卻偏偏與公主長(zhǎng)得像俺陋,于是被迫代替她去往敵國(guó)和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子昙篙,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,486評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • 簡(jiǎn)單線性回歸 import tensorflow as tf import numpy # 創(chuàng)造數(shù)據(jù) x_dat...
    CAICAI0閱讀 3,542評(píng)論 0 49
  • 作者 | 武維AI前線出品| ID:ai-front 前言 自然語(yǔ)言處理(簡(jiǎn)稱NLP)腊状,是研究計(jì)算機(jī)處理人類語(yǔ)言的...
    AI前線閱讀 2,564評(píng)論 0 8
  • Q 為什么要做生肖茶? A 茶苔可,作為我們中國(guó)傳統(tǒng)文化缴挖,始終在與其他文化的交融結(jié)合中延伸著自身的意義。尤其是福鼎白茶...
    白茶娜娜閱讀 844評(píng)論 0 0
  • 以藍(lán)色泛濫你的 無(wú)疑是月光 我們的車轍 在水下 跑成詠嘆調(diào) 春天倒伏于我們心里 像烈酒在三葉草的末年燃燒 火焰寂靜...
    DConan閱讀 250評(píng)論 0 4
  • 2017年算是自己踏踏實(shí)實(shí)感覺(jué)到小進(jìn)步的一年焚辅,比如可以獨(dú)自開(kāi)車上下班映屋、走四環(huán)苟鸯、走高速,開(kāi)始跟著網(wǎng)上課程學(xué)習(xí)編程棚点,開(kāi)...
    未滿2011閱讀 321評(píng)論 0 0