---
title: "輸入門（Input Gate）"
slug: input-gate
language: zh-TW
source: https://aiterms.tw/terms/input-gate
updated_at: 2026-06-22
tags: [深度學習, 自然語言處理, 神經網路, 模型訓練]
ipas_term: false
---

# 輸入門（Input Gate）

長短期記憶網路（LSTM）的關鍵元件，通過 sigmoid 激活函數產生 0-1 之間的門控信號，動態控制有多少當前輸入信息應被添加到細胞狀態，實現選擇性的信息流控制。

## 完整說明

輸入門是 LSTM 單元的三個門機制之一，用於控制新信息進入細胞狀態的比例。輸入門的輸出為 0 時完全阻擋新信息，為 1 時完全接納新信息。它同時考慮前一時步的隱藏狀態和當前時步的輸入，通過學習機制決定哪些信息對後續計算重要。與遺忘門和輸出門共同構成 LSTM 的核心控制機制，使網路能有效解決梯度消失問題。

## 常見問題

### 輸入門和遺忘門都使用 sigmoid，為什麼要分開？

雖然都用 sigmoid 產生 0-1 的門控信號，但它們控制的是不同的信息流。遺忘門作用於上一時步的細胞狀態（舊信息），決定遺棄多少舊內容；輸入門作用於候選細胞狀態（新信息），決定接納多少新內容。分開設計提供更多的表達自由度。在實踐中，模型常學到遺忘門接近 1（保留舊信息）、輸入門根據內容變化的模式，實現「保留背景，添加變化」的機制。

### 輸入門輸出接近 0 或接近 1 分別表示什麼？

輸入門輸出接近 0 時，新的候選信息被大幅阻擋，細胞狀態主要保持遺忘門決定的舊信息。這在相對穩定的序列中常見，例如長句子中連續的修飾詞，新詞義不大。輸入門輸出接近 1 時，新信息被大量接納，細胞狀態快速更新。這在關鍵詞、轉折句或動態變化的序列中常見。理想情況下，輸入門應動態變化，根據序列內容靈活調整。

### 為什麼 LSTM 用 tanh 而不是 sigmoid 生成候選細胞狀態？

tanh 的輸出範圍是 [-1, 1]，而 sigmoid 是 [0, 1]。tanh 包含負值，能表達「抑制」信息；sigmoid 只有正值，無法表達負向影響。在細胞狀態累積的語境中，負值至關重要。例如在機器翻譯中，新詞可能與前文相反，需要用負值來修正。此外，tanh 的梯度（1-tanh²(x)）在中央區域較大，相比 sigmoid 的梯度 σ(x)(1-σ(x))，tanh 提供更強的梯度信號，有利於訓練。

---

來源：https://aiterms.tw/terms/input-gate
快查頁：https://aiterms.tw/terms/input-gate
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-input-gate