Keras中LSTM函数参数图解

在学习LSTM时，我对网络结构总是不太清楚，看了几篇博客，特来整理一下

LSTM的输入形式为三维向量：[samples, timesteps, features]

• samples 输入LSTM的样本的数量
• timesteps 窗口大小，即截取的样本长度（拿多长的样本进行预测）
• features 样本的维度

在构建LSTM网络时，我们常用到下面的句子
以下三个句子等价

#表述1
model.add(LSTM(input_dim=2, output_dim=8,input_length=3, return_sequences=True))
#表述2
model.add(LSTM(8, input_dim=2, input_length=3, return_sequences=True))
#表述3
model.add(LSTM(8, input_shape=(3, 2),return_sequences=True))

• input_dim   输入维度=2 （与输入形式的features一样）
• output_dim   输出维度=8
• input_length   输入长度/窗口大小=3（与输入形式的timesteps一样）

上面句子表示预测一个具有二维特征的时间序列，用3个连续序列预测后三个序列，输入数据为2维，输出数据为8维
如下图所示：

相当于输入为3*2， 输出为3 * 8

参考：
https://blog.csdn.net/luoganttcc/article/details/78981815
https://blog.csdn.net/qq_35649669/article/details/89575949
https://blog.csdn.net/jiangpeng59/article/details/77646186