Tensorflow LSTM中的c_state和m_state是什么？

Question

Tensorflow r0.12的tf.nn.rnn_cell.LSTMCell文档将其描述为init：

tf.nn.rnn_cell.LSTMCell.__call__(inputs, state, scope=None)

其中state如下：

state：如果state_is_tuple为False，则必须为状态Tensor，二维，批处理x
state_size。如果state_is_tuple为True，则它必须是列大小为c_state和m_state的二维状态Tensors的元组。

什么区域c_state，m_state它们如何适合LSTM？我在文档的任何地方都找不到对它们的引用。

这是文档中该页面的链接。

Answer 1

我偶然发现了同样的问题，这就是我的理解方式！简约的LSTM示例：

import tensorflow as tf

sample_input = tf.constant([[1,2,3]],dtype=tf.float32)

LSTM_CELL_SIZE = 2

lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(LSTM_CELL_SIZE, state_is_tuple=True)
state = (tf.zeros([1,LSTM_CELL_SIZE]),)*2

output, state_new = lstm_cell(sample_input, state)

init_op = tf.global_variables_initializer()

sess = tf.Session()
sess.run(init_op)
print sess.run(output)

请注意，state_is_tuple=True因此在传递state给this时cell，它必须采用tuple表格形式。c_state并且m_state可能是“内存状态”和“单元状态”，尽管老实说我不确定，因为这些术语仅在文档中提及。在代码和文件中，关于LSTM-字母h和c通常用于表示“输出值”和“单元状态”。
http://colah.github.io/posts/2015-08-Understanding-
LSTMs/

这些张量表示单元的组合内部状态，应该一起传递。这样做的旧方法是简单地将它们连接起来，而新方法是使用元组。

旧方法：

lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(LSTM_CELL_SIZE, state_is_tuple=False)
state = tf.zeros([1,LSTM_CELL_SIZE*2])

output, state_new = lstm_cell(sample_input, state)

新方法：

lstm_cell = tf.nn.rnn_cell.BasicLSTMCell(LSTM_CELL_SIZE, state_is_tuple=True)
state = (tf.zeros([1,LSTM_CELL_SIZE]),)*2

output, state_new = lstm_cell(sample_input, state)

因此，基本上我们所做的一切，都state从长度的1张量更改为长度的42张量2。内容保持不变。[0,0,0,0]成为([0,0],[0,0])。（这应该使其速度更快）