Keras LSTM多维输入

Question

我的输入时间序列数据的形状为（nb_samples，75，32）。其中，75是时间步长，32是输入维度。

model = Sequential()
model.add(LSTM(4, input_shape=(75, 32)))
model.summary()

LSTM 权重向量[W_i, W_c, W_f, W_o]都是32维的，但输出只是一个单一的值。上述模型的输出形状为(1,4)。但在 LSTM 中，输出也是一个向量，因此对于上面提到的多对一实现，它不应该是 (32,4) 吗？为什么即使是多维输入，它也只给出了单一的值？

- Rajath

---

这个向量有32个维度是什么意思？这不是真的。 - Marcin Możejko

Answer 1

作为您可以在Keras文档中的循环层中看到的：

对于输入形状为(nb_sample, timestep, input_dim)的情况，您有两种可能的输出：

- 如果您在LSTM中设置了return_sequence=True（这不是您的情况），则会返回每个隐藏状态，即LSTM“读取”序列时的中间步骤。您将获得形状为(nb_sample, timestep, output_dim)的输出。 - 如果您设置了return_sequence=False（默认值），它仅会输出最后一个状态。因此，您将获得形状为(nb_sample, output_dim)的输出。

因此，如果您像这样定义您的LSTM层：

model.add(LSTM(4, return_sequence=True, input_shape=(75, 32)))

你将会得到一个形状为 (None, 75, 4) 的输出。如果你的时间维度是32，那么在将数据提供给LSTM之前，你需要进行转置。第一维是时间维度。

希望这能帮到你 :)

- Nassim Ben