我正在尝试实现一个接口，将一个已经训练好的TensorFlow基本LSTM模型与可以在浏览器中运行的JavaScript版本连接起来。问题在于，我所阅读的所有文献中，LSTM都被建模为小型网络（仅使用连接、节点和门），而TensorFlow似乎有更多的东西在运作。
我有两个问题：
-
TensorFlow模型是否可以轻松地转换为更传统的神经网络结构？
-
是否有实际的方法将TensorFlow提供的可训练变量映射到这个结构中？
我可以从TensorFlow中提取‘可训练变量’，问题是每个LSTM节点的偏置似乎只有一个值，而我见过的多数模型会为记忆单元、输入和输出包含多个偏置。
回答：
在内部，LSTMCell类为了效率，将LSTM权重存储为一个大矩阵，而不是8个较小的矩阵。将它水平和垂直分割以获得更传统的表示是相当容易的。然而，如果你的库也进行类似的优化，可能会更容易和更有效。
这是BasicLSTMCell的相关代码片段：
concat = linear([inputs, h], 4 * self._num_units, True)# i = input_gate, j = new_input, f = forget_gate, o = output_gatei, j, f, o = array_ops.split(1, 4, concat)linear函数执行矩阵乘法，将拼接的输入和之前的h状态转换为4个形状为[batch_size, self._num_units]的矩阵。线性变换使用了一个单一的矩阵和偏置变量，这些是你问题中提到的。结果随后被分割成LSTM变换使用的不同门。
如果你想明确地获取每个门的变换，你可以将那个矩阵和偏置分割成4个块。使用4个或8个线性变换从头开始实现它也相当容易。
