lstm timestep一般是多少_请问rnn和lstm中batchsize和timestep的区别是什么？

首先需要明确的概念是：batchsize指的是一次喂入网络的样本数，属于样本数量上的概念；而timestep指的是每个样本内包含有多少个时刻(步长)，属于每个样本内部的概念。既然题主提出了这样的疑问，说明对于LSTM的细节至于尚有困惑之处，因此下面先大致说一下一个RNN和LSTM单元内部的参数情况，再以基于LSTM的MINIST手写体分类这个例子来说明。

1 RNN和LSTM单元到底长啥样

1.1 RNN单元

以tensorflow中的实现为例，一个最基本的RNN单元中有三个可训练的参数

，以及两个输入变量input和h0，下图为RNN中各参数的维度信息[1]：

可以看出，一个RNN单元接受输入的shape为[batchsize,n]​，如果每个样本包含timestep个时刻，则最后的输入shape为[batchsize,timestep,n](或者[timestep,batchsize,n])。

1.2 LSTM单元

一个最基本的LSTM单元中有4个可训练的参数，下图为LSTM中各参数的维度信息[2]：

可以看出，一个LSTM单元接受输入的shape仍旧为[batchsize,n]，如果每个样本包含timestep个时刻，则最后的输入shape同样为[batchsize,timestep,n](或者[timestep,batchsize,n])。

2 基于LSTM的MINIST分类

说一千道一万，不如举例看一看。由于循环神经网络是用来处理包含序列化数据的相关问题，所有若要利用循环神经网络来解决某类问题，那么首先要做的就是将原始数据集序列化，然后处理成某个深度学习框架所接受的数据输入格式[3]。

我们知道MNIST数据集中的每张图片形状都是[28*28]的，那么如何将其序列化呢？想要知道怎么序列化，那还得从LSTM接受怎样的输入说起。上面我们说到，一个LSTM单元可以按时间维度进行展开处理，那么对于一个黑白图片来说该怎么展开呢？并且展开后必须得有前后的序列关系。 最直接的想法当然就是每个像素点当成一个部分，直接展开成784个LSTM单元。这种做法理论上当然没有什么问题，只是显得略微有点粗暴了；那我们就稍微缓和一点，按行或者按列来分割成28行(列)，然后将这28个部分看成是序列。如下图所示：

所以，对于整个数据集来说：我们第一步要做的就是将其reshape成[batchsize,high,width]的这种形式；然后第二步就是将其按行分割成28个部分，变成[timestep,batchsize,dim]。以batchsize = 4为例，可以画出如下示意图：(题主请注意，此时的batchsize=4就是指一共有4张图片，而timestep=28则指的是我们将一张图片分割成28个时刻)

温馨提示：4种颜色分别表示4张图片

对于得到的这种形式的数据，我们再喂给展开后的LSTM时是长下面这个样的：

此时注意，再次强调：上图中batchsize=4表示此时一次喂入网络的有4张图片，timestep=28则指的是我们将每一张图片都分割成28个时刻，分别喂给每一个LSTM单元

后续的分类处理就不多说，直接取LSTM最后网络最后一个时刻的输出进行分类即可。

引用[1]CSDN-专业IT技术社区-登录​nulls.blog.csdn.net[2]Tensorflow中BasicLSTMCell​nulls.blog.csdn.net[3]CSDN-专业IT技术社区-登录​nulls.blog.csdn.net