大家都会神经网络，但是有多少人会计算参数量呢，不知道参数量怎么知道计算量呢。
这个系列我将分算法来说一下参数怎么算，顺便提示一下某些算法的含义。

1.LSTM

长短时记忆网络，就是关键的三个门，加一个状态，一个输出。
参数来了：
input_dim = 时间步长 = 句子单词个数
hidden_dim = 输出长度 = 传递状态长度
embedding_size = 单词emmding输出长度 = 输入x维度
参数数量是什么，就是W和b的总数量，我们来看LSTM构成，输入门要计算两个东西一个是输入概率i，一个是临时的传递状态c，遗忘门要计算一个遗忘概率f，输出门要算一个输出概率o，如果你仔细想，他们的结构都是一样的，所以参数计算实际就是一个公式乘以4。
接下来考虑矩阵相乘以及输入输出维度，
其实计算公式可以理解为：4×(hidden_dim × （embedding_size+hidden_dim）+hidden_dim)