如何用张量代替变量来表示LSTM单元中的权重和偏差

Question

我需要创建LSTM单元，但不是为网络中的权重和偏差创建新变量，而是LSTM单元中的权重和偏差来自另一个网络的输出，即，我需要能够将张量（而不是变量，例如使用重用）传递给LSTM单元以用于权重和偏差。在Tensorflow中有没有这样的方法？请注意，我的目标不是定义LSTM，而是了解在当前实现中是否有传递张量的方法。你知道吗

Answer 1

Keras+张量流

Keras现在默认运行在TensorFlow之上，并且有an LSTM layer可以在您的模型中调用。这将自动传递权重作为层之间的张量。你知道吗

>>>IN>>>
nb_words  = min(MAX_NB_WORDS, len(word_index))
lstm_out = MAX_SEQUENCE_LENGTH

model = Sequential()
model.add(Embedding(nb_words,EMBEDDING_DIM,input_length=MAX_SEQUENCE_LENGTH))
model.add(LSTM(50))
#model.add(Attention(MAX_SEQUENCE_LENGTH))
model.add(Dense(3, activation = 'softmax'))
model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['accuracy'])
model.summary()

>>>OUT>>>
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
embedding_1 (Embedding)      (None, 100, 160)          480000    
_________________________________________________________________
lstm_1 (LSTM)                (None, 50)                42200     
_________________________________________________________________
dense_1 (Dense)              (None, 3)                 153       
=================================================================
Total params: 522,353
Trainable params: 522,353
Non-trainable params: 0
_________________________________________________________________

Here is a notebook where you can see it used.