入门
colah’s blog
论文：
Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting
8个权重分别使用8个不同的卷积进行生成。实现了多层LSTM。首先对每层的h和c进行初始化。对于同一个时间step的不同层，前一层的h层输出作为下一层的输入。
代码写的挺好，只是没有训练方法。首先在第一个时间序列的每个隐藏层之间传递，接着在第二个时间序列的隐藏层之间传递。
与代码1不同的是，没有单独生成8个权重。直接将h和输入拼接通过一个卷积层，直接生成4个输出，分别是f，i，g，o。通过这4个输出运算后得到h和c。变量解释，num_features为c和h的通道数，比如c的维度是（num_features，x，y）。filter_size为滤波器核大小。batch_size为batch大小。shape为输入和特征图大小。inp_chans为输入图像的通道数。nlayers为隐藏层个数，即多层LSTM层数。seq_len为多少个时间序列。首先在第一个隐藏层按照时间序列正向传播，然后再第二个隐藏层进行正向传播。
虽然两种传播方式不同，但是最终效果相同。