keras中lstm，shape等疑问

仅供自己学习，侵权立删

问题1：训练数据的样子（shape）
基于keras的LSTM模型编程过程中，需要将输入数据规范为3维格式，每个维度分别是
samples steps features
samples就是样本数量，一般来讲，这个数量和训练结果的数量是一致的，不管是多参量还是单参量，或者是多个时间步长，对应的结果通常是确定的。
steps是指时间步长，通常来讲，如果是有监督学习，比如时间序列转化成的训练集，这个参数代表使用了多少个时间步长的训练集来对应最终的结果。
features是指训练集中参量的数量，即有几个参数决定了结果。
LSTM语句的调用，会用到steps和features这两个值。
输入矩阵的格式要求是（samples，steps，features） 其实也就是samples steps dim三个单词一个意思（维度即特征）

图源此处

---

问题2：return_sequences
输入shape
问题1刚刚说过：形如（samples，timesteps，input_dim）的3D张量
输出shape
如果return_sequences=True：返回形如（samples，timesteps，output_dim）的3D张量否则，返回形如（samples，output_dim）的2D张量
如下图 ：图源https://blog.csdn.net/weixin_39729837/article/details/111388451

为什么要有return_sequences？：
我们可以把很多LSTM层串在一起，所以，为了对接，前面层数此参数设置都为true，但是最后一个LSTM层return_sequences通常为false
例子

图源此处

另一篇文章的解释：

图源：https://zhuanlan.zhihu.com/p/366972955

两篇文章的差别在于一篇说第一个参数是sample 一篇说是batchsize，此处的sample应该（应该应该）指的是一个批次内的sample，也就等于batchsize的值了

---

问题3：dim与input_shape(n,) 的形式
图源此处

---

问题4：
在model中添加lstm层时，有两个形式：
形式1：
model.add(LSTM(neurons, batch_input_shape=(batch_size, X.shape[1], X.shape[2]), stateful=True))
形式2：
model.add(LSTM(neurons,input_shape=(1,look_back))) 其中look_back给的解释是用前面look_back
个数据来预测下一个数据（其实说白了就是上下文中的time_step，但是个人不是特别理解，难道time_step不应该放到逗号前面吗？？？？应该是（look_back，1）吧？）

很明显 第二种定义方式没有给出batch_size 解释：
在此定义中，Keras忽略了第一维，即批量大小。您的模型应该能够处理任何批量大小，因此您只能定义其他尺寸：时间长度与维度
在没有定义batch_size的情况下, 可以通过model.fit中的batch_size参数进行定义, 但是这种方法无法再使用model.train_on_batch()函数. 如果这里定义了batch_size,那么在test的时候, 也要保证有该batch_size的数据, 否则会出现错误, 这样对只预测一个样本的问题无法兼容. 比较好的方法是将Batch_size设置为None, 这样不需要实现设置固定的batch_size,且可以调用train_on_batch.
如 model.add(LSTM(32, batch_input_shape=(None, 10, 64)))
在没有定义Input_Sizes的情况下, 尝试的训练, 会将其默认为1处理.
另外, input_length指的也是输入句子的长度,即Time_step. 如下定义方式,表达的内容同上:
model.add(LSTM(32, input_length=10, input_dim=64))

问题5：
batch_size 和stateful 与问题3有很大的关联其实
深入理解Keras LSTM的stateful
问题6：
dense层：
Keras中dense层原理及用法解释

---

tensorflowgpu下载：
https://blog.csdn.net/m0_49090516/article/details/113576003教程

---

良好的kreas lstm实战教程
https://blog.csdn.net/u012735708/article/details/82769711
实战教程