带辍学的LSTM的Keras与tensorflow实现的区别

我在查阅tensorflow和Keras的LSTM单元的文档。特别是,我也想申请退学。以下是我在Keras中得到的,并希望在tensorflow中应用相同的LSTM单元:

cell = LSTM(num_units_2, return_sequences=True, dropout=dropout, recurrent_dropout=dropout)(net)

tf.nn.rnn_cell.LSTMCell 在tensorflow中 num_units = num_units_2 . 第二,我需要一个 DropoutWrapper 作为:

cell = tf.nn.rnn_cell.DropoutWrapper(cell)

dropout 和 recurrent_dropout variational_recurrent 设置为True(但我不确定变分递归在细节上是如何工作的)。

此外,我不确定是否在每一个时间步骤在凯拉斯LSTM应用不同的面具。

第二,我很困惑 output_keep_prob 以及 state_keep_prob 两人都提到:

输出保持问题

非常感谢您的帮助!!