Keras LSTM多维输入

Question

我的输入时间序列数据是形状（nb_samples，75,32）。
75是时间步长，32是输入维度。

model = Sequential() 
model.add(LSTM(4, input_shape=(75, 32))) 
model.summary() 

的LSTM权重向量，[W_i, W_c, W_f, W_o]都是32米的尺寸，但输出仅仅是一个单一的值。上述模型的输出形状是（1,4）。但是在LSTM中，输出也是一个向量，因此对于多对一的实现，不应该如此（32,4）？为什么它给多维度输入一个单一的价值呢？

Answer 1

正如可以在Keras doc for reccurent layers

对于形状(nb_sample, timestep, input_dim)的输入读取，有两种可能的输出：

• 如果设置在LSTM return_sequence=True（这不是你的情况下），你返回每一个隐藏状态，所以当LSTM'读取'你的序列时，这是中间步骤。你会得到形状为(nb_sample, timestep, output_dim)的输出。

• 如果你设置了return_sequence=False（这是默认值），它将只输出最后一个状态。所以你会得到形状为(nb_sample, output_dim)的输出。

所以，如果你定义LSTM层是这样的：

model.add(LSTM(4, return_sequence=True, input_shape=(75, 32))) 

，你将有形状(None, 75, 4)的输出。如果32是您的时间维度，则在将数据提供给LSTM之前，您必须转换数据。第一个维度是时间维度。

我希望这有助于:)