给小白入门看：tensorflow输入维度

输入全连接层，一定要把tensor调整为二维的，比如[None, 512].
输入LSTM之前，要把维度调整为三维的，比如[None, 20,60]，None是batch_size随意的意思，20代表循环输入20个时间戳，60代表每个时间戳有60个特征属性。
再看LSTM层的神经单元数对输出的影响：

lstm_layer2 = tf.keras.layers.LSTM(30, return_sequences=True)
model2 = tf.keras.models.Sequential([lstm_layer2])
model2.build(input_shape=[1,5,3])
model2.summary()

LSTM设置有30个神经元，所以输出为30维的，然后由于return_sequences=True，即每迭代一个单词，都要输出一次，所以中间维度是5（每个句子5个单词），输出的第一维是batch_size.
如果设置为return_sequences=False，默认是这样，输出为(1,30)，没有中间的单词维度了。如下：

LSTM（N）的单元数N，影响的是LSTM的内部神经元数目和参数量。