Tensorflow中LSTM的各张量维度名称和别名，及特定名称的解释

LSTM是由每个cell组成的，每个cell里有3个门：输入门、遗忘门、输出门；每个cell有4个前馈网络层，其实就是4个激活函数，分别是σ、σ、tanh、σ；这些前馈网络层里有神经元，即隐藏神经元，每个前馈网络层里的隐藏神经元个数都是相同的，即num_units，也写作hidden_size

每个ht的向量维度即为hidden_size

当前时刻t的输入是xt，xt的维度是input_size，或input_dim，xt的维度是自己定义的，在NLP中就是词向量的维度，每一列（每一个xt）代表一个词向量。

在LSTM中，每时刻既要考虑当前的输入，也要考虑以往的信息，因此向cell中输入的是ht-1和xt的组合，组合方式是concat（结合），其实就是把两者直接拼起来，比如ht-1是128位，xt是28位，则输入向量是156位。

LSTM的公式是：

由上式可见，每个前馈网络层都有两个参数，W和b，权重参数W的维度是[hidden_size+input_size,hidden_size]，b的维度是hidden_size，因此每个cell的维度是[hidd