【Keras】Keras构建LSTM网络时的输入维度问题——可参考博客梳理

Keras构建LSTM网络时的输入维度问题——可参考博客梳理

keras中的LSTM层:

keras.layers.LSTM(units, activation='tanh', recurrent_activation='sigmoid', use_bias=True, kernel_initializer='glorot_uniform', recurrent_initializer='orthogonal', bias_initializer='zeros', unit_forget_bias=True, kernel_regularizer=None, recurrent_regularizer=None, bias_regularizer=None, activity_regularizer=None, kernel_constraint=None, recurrent_constraint=None, bias_constraint=None, dropout=0.0, recurrent_dropout=0.0, implementation=2, return_sequences=False, return_state=False, go_backwards=False, stateful=False, unroll=False)

1. units参数的理解
   首先要对这个参数有一个正确的理解，总体而言它指的是一个LSTM Cell内部的神经元数目。不要与时间步数混淆。具体解释可参考下面两篇博文。
   （1）