原标题：自动驾驶（十八）---------深度学习LSTM

原文来自：CSDN      原文链接：https://blog.csdn.net/zhouyy858/article/details/98958355

       LSTM是RNN的一种变体，它拥有着解决长期依赖问题的能力。

       与RNN相比，LSTM用cell取代了内部存储，它将数据维护在这个cell中，被称为cell state。这个cell state贯穿整个LSTM架构，仅仅只有少量的线性交互，这就使得信息可以在传递的过程中保持不变。

       此外，相比于RNN仅有1个网络层，LSTM拥有着4个，它们以特别的方式进行交互。一个标准的LSTM单元由以下4个部分构成。

       Forget Gate
       首先，在新数据传入LSTM时，我们要决定哪些旧数据需要从cell state中扔掉。这个就是由forget gate决定的，它是一个sigmoid函数层。

      Input Gate

      第二步是决定哪些新的信息需要被存储进cell state，分为两个步骤。首先，一个sigmoid函数层，即inpu gate会决定哪些值需要被更新；然后，一个tanh函数层会创建一个向量，作为加入到cell state的候选值。

       Cell
       现在我们可以更新cell state了，这同样分为两步。首先，我们从cell state移除掉我们在forget gate决定的信息；然后，我们以决定对每一个状态值更新的比例来加入input gate计算出的候选值。

        Output Gate
        最后，我们决定将要输出的部分。输出是基于新的cell state，同时进行适当的处理。首先，我们通过一个sigmoid函数层来决定cell state中有哪些部分需要被更新，然后，我们将cell state经过一个tanh函数处理（其目的是使得数值落在（-1,1）区间内），并将其余sigmoid层的输出相乘，从而决定输出的部分。

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com