张量流基本lstm_cell中的trainable_weights和trainable_variables有什么区别？

Question

在尝试使用记录的here中的基本LSTM单元复制Tensorflow中LSTM单元格的权重时，我偶然发现了trainable_weights和trainable_variables属性。

Source code对于像我这样遗憾的菜鸟来说并没有真正的信息。尽管如此，一些实验确实产生了以下信息： 两者都具有完全相同的布局，是长度为2的列表，其中第一个条目是tf.Variable形状：（2 * num_units，4 * num_units），列表的第二个条目是形状的（4 * num_units， ），其中num_units是初始化BasicLSTMCell的num_units。 对我来说直观的猜测是，第一个列表项是lstm的四个内部层的权重的串联，第二个项是各个偏差的串联，显然符合这些的预期大小。

现在的问题是，这些之间是否存在任何差异？我假设它们可能只是从rnn_cell类继承这些内容的结果？

Answer 1

来自Layer继承自的RNNCell类的源代码：

@property
def trainable_variables(self):
    return self.trainable_weights

见here。 RNN类似乎没有覆盖这个定义 - 我认为它适用于具有可训练变量的特殊层类型，这些变量并不完全符合“权重”。我会想到批量标准化，但遗憾的是我在该源代码中找不到trainable_variables的任何提及（GraphKeys.TRAINABLE_VARIABLES除外）。