在会话中运行以下代码行
variables =[v for v in tf.trainable_variables()]
values = session.run(variables)
我能够在我的图中定义的深RNN中获得所有可训练的权重和偏差。然而，LSTM权重聚集在一起，意味着x t 和h t-1 的遗忘，输入，单元和输出门权重作为一个大矩阵返回。我想知道矩阵的哪一部分指的是哪个权重矩阵。
例如，如果我将RNN图层的输入定义为240并且图层中有512个单元格，则返回的权重大小为752x2048。通过查看GitHub上的代码，我相信它们可以分开为
w ^ <子> XI w ^ <子> XJ w ^ <子> XF w ^ <子> XO
w ^ <子>喜 w ^ <子> HJ w ^ <子> HF w ^ <子>豪
其中与前一层（W x ）的输入相对应的所有权重都放在顶部，一个放在另一个旁边，并从同一层和前一个时间步骤输入（W h < / sub>）放在下面，一个放在另一个旁边。因此，权重W x 占据位置W[0:239, 0:2047]并且W h 占据位置W[240:751, 0:2047]。此外，所有W x _ 的大小均为240x512，W h _ 的大小为512x512。如果我是正确的，请告诉我，如果没有，请描述正确的配置。