我的項目：影評情感分類
使用工具及平臺：anaconda/tensorflow/python3/RNN

神經網絡結構：一層LSTM,然后接上兩層普通神經網絡層。

遇到的本質問題：過擬合現(xiàn)象嚴重
目前已經使用的解決方法：1，dropout;2,對后面兩層普通神經網絡層權值w進行了L2 regularization.

新問題：想要嘗試對LSTM單元內部的權值矩陣進行L2 regularization.因為使用了tensorflow內置的模塊，tf.contrib.rnn.BasicLSTMCell，我不知道怎么拿到這個LSTM單元的內部權值矩陣，或者它的名稱。求大神講解。
我的lstm層代碼如下：

def lstm_cell(dropout_keep_prob,scope):
    with tf.variable_scope(scope):
    lstm_layer = tf.contrib.rnn.BasicLSTMCell(hidden_size,forget_bias=1,state_is_tuple=True,activation=tf.nn.softsign)
    lstm = tf.contrib.rnn.DropoutWrapper(lstm_layer, output_keep_prob=dropout_keep_prob)
return lstm

# lstm layer.
lstm_layer1 = lstm_cell(dropout_keep_prob,'lstm_1')
#init state
state_1 = lstm_layer1.zero_state(batch_size, tf.float32)
# get lstm rnn output.
lstm_rnn_1_in = tf.unstack(input_data_lookup, num=time_steps, axis=1)
lstm_rnn_1_out, _ =tf.contrib.rnn.static_rnn(lstm_layer1,lstm_rnn_1_in,initial_state=state_1,scope='lstm_1')

我目前的嘗試方案：

tv = tf.trainable_variables()
                 
l2_term = 0.01 * sum(
    tf.nn.l2_loss(tf_var)
        for tf_var in tv
        if tf_var.name == 'lstm_1/basic_lstm_cell/kernel:0'
)
loss=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=y_predict,labels=labels))
regularization = tf.nn.l2_loss(dnn_weights) + tf.nn.l2_loss(out_weights)
loss = tf.reduce_mean(loss + 0.01 * regularization + l2_term, name = 'loss')

這樣好像不太對，而且那個LSTM內部的權值矩陣名字也會變，不一定是'lstm_1/basic_lstm_cell/kernel:0'，可能是'RNN/basic_lstm_cell/Matrix:0'，并且，這個權值矩陣的shape也很奇怪，跟我設置的lstm的hidden_size,time_step都沒有關系。
綜上所述：
問題一：lstm單元內部的shape是怎么來的，怎么解釋？
問題二：如何給Lstm單元權值矩陣改名字，比如命名為lstm_weigths,這樣就可以確保我用tf_var.name == lstm_weights能找到它？
問題三：我的L2 regularization寫錯了嗎？

tensorlow新手上路，求諸位大佬指點，感激不盡。