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)。
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，但输出只是一个值。上述模型的输出形状为(1,4)。但在 LSTM 中，输出也是一个向量，所以对于上面的多对一实现来说，它不应该是 (32,4) 吗？为什么它也为多维输入提供单个值？

Answer 1

正如您可以在Keras 文档中阅读的重复层一样

对于 shape 的输入(nb_sample, timestep, input_dim)，您有两种可能的输出：

• 如果您在 LSTM 中设置return_sequence=True（这不是您的情况），您将返回每个隐藏状态，因此 LSTM“读取”您的序列时的中间步骤。您将得到 shape 的输出(nb_sample, timestep, output_dim)。

• 如果您设置return_sequence=False（这是默认值），它将只输出最后的状态。所以你会得到 shape 的输出(nb_sample, output_dim)。

因此，如果您像这样定义 LSTM 层：

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

你将得到 shape 的输出(None, 75, 4)。如果您的时间维度为 32，则必须在将数据输入 LSTM 之前对其进行转置。第一个维度是时间维度。

我希望这有帮助 ：）