LSTM需要学习的参数个数
结论先行：
lstm所需学习的参数 = 4 * [（ input_size + hidden_num ）* hidden_num + hidden_num ]
我们知道输入一个28维的向量，会映射到128维来进行表示，
输出ht和记忆ct维度相同。
下面我们假设有13*5大小的图片，放进LSTM，隐含层神经元数量为10
ht-1 是上一时刻的输出，维数与隐含层神经元数量一致：1*10
xt为1*5 所以[ ht-1 , xt ] 的维数是1*15
又因为**函数不改变位数维数，所以我们不必考虑
Wf bf 为该层的参数，Wf 与 [ ht-1 , xt ] 相乘得到 1*10的向量
所以可以得出 Wf 的维数是 15*10 即：Wf × [ ht-1 , xt ] = 15*10 × 1*15 = 1*10
所以参数个数为Wf + bf = 15*10 + 10 = 160个
剩下的操作与这个遗忘门的操作在参数数量上相同
故 LSTM的所需学习参数个数为 160*4 = 640个
最后图片参考自：
https://www.cnblogs.com/wushaogui/p/9176617.html#1lstm%E7%AE%80%E5%8D%95%E4%BB%8B%E7%BB%8D