重点关注

1. 输入向量x和t-1时间的状态关系
2. 当前t时间状态向量的组成成分
   c(t) = f(t)*c(t-1)+i(t)c(~)
   h(t) = o(t) * tanh(c(t))

output, state = tf.nn.dynamic_rnn(...) # lstm 
# output = [B, T, H], state = [c=[B, H], h=[B, H]]  
# c 为lstm最后一个单元的的传导状态, h为lstm最后一个单元的输出.

LSTM 基于RNN的改进方法

LSTM
计算公式

LSTM传导图

LSTM传导图

https://blog.csdn.net/hust_tsb/article/details/79485268