本文主要是對tensorflow中lstm模型中的c，h進行解析。rnn_cell_impl.py
1.關於RNN模型
在rnn_cell_impl.py的tensorflow源碼中，關於RNN部分實現的類主要是BasicRNNCell，
首先在build函數中，定義了兩個變量_kernel和_bias。
其中_num_untis表示RNN cell 的untis數目。
所以在call函數中，hidden_state的更新如下所示：
從上面中可以看出，RNN首先將input與上一個state連接，然後與在build函數中定義的_kernal變量點乘，最後加上偏置項。
2. 關於LSTM模型
主要看BasicLSTMCell這個類，在build函數中，定義了兩個參數_kernel與_bias
與RNN不同，參數_kernal與_bias的列都是_num_units的四倍，主要是因爲後面要分成四個部分，分別爲i,j,f,o。
因此，在call函數中，
在call函數中，i,j,f,o可以分別表示爲：
所以，在上面的圖中，最上面的橫線表示C，最小面的橫線表示h。
3. 關於GRU模型
在GRU模型中的build函數中，可以看到定義了四個參數：
因此，在call函數中，
從下面的圖中可以看出，zt爲u，r表示rt，
從tensorflow的源碼來看，上面的公式中ht的求解有問題，所以參考維基百科，得到下面的公式：
