Keras神经网络参数说明

最近用到了Keras中的LSTM神经网络，keras中运用序贯模型（sequential）建立一个层层叠加的模型非常方便。

但是比较懵逼的一点是，model.add()中的参数完全不理解，比如input_dim，input_shape，各种用法都有，完全不理解有什么区别。

这里我以一个时间序列的模型为例：

我的输入和输出结果size如下

因为是传统的时间序列，所以特征只有一个维度，因此这里我设置input_dim = 1。而我想把第一层神经输入的结果映射成50维的输出结果，因此我设置output_dim = 50。显然，这样下一层的输入结果input_dim = 50。

另外，还有两个参数return_sequences和return_state。

我默认大家都知道LSTM的输出包含每个单元的hidden state，及长期的cell state（长期的cell state一般是不输出的）

return_sequences：由于每一步计算都会有输出，因此如果为False则只返回最后一步的hidden state,否则返回所有步的hidden state；

return_state：默认为False，为False则不输出cell state。

详细说明可参考这篇文章：https://blog.csdn.net/u0113