我对Keras库中的LSTM层有几个疑问
在LSTM层中，我们有两种辍学：辍学和递归辍学。根据我的理解，第一个将从输入中随机删除某些特征（将它们设置为零），第二个将在隐藏单元上进行（h_t的特征）。由于我们在LSTM网络中具有不同的时间步长，因此丢弃是单独应用于每个时间步长还是仅应用于一次，并且对于每个步长是否相同？
我的第二个问题是关于keras的LSTM层中的正则化器。我知道例如内核正则化器将对与输入相对应的权重进行正则化。但是我们对输入的权重不同。 例如，输入门，更新门和输出门对输入使用不同的权重（对于h_（t-1）也使用不同的权重）。那么，它们会在同一时间被正规化吗？如果我只想对其中之一进行规范化怎么办？例如，如果我只想规范输入门公式中使用的权重。
最后一个问题是关于keras中的激活功能。在LSTM层中，我具有激活和循环激活。默认情况下，激活为tanh，我知道在LSTM体系结构中，tanh使用两次（用于h_t和存储单元的候选），而Sigmoid使用3次（用于门）。那么这是否意味着如果我将tanh（在keras的LSTM层中）更改为另一个函数Relu，那么它将同时更改h_t和候选存储单元？
如果可以回答任何一个问题，那将是完美的。非常感谢您的宝贵时间。