如何正确设置LSTM层的input_shape？

Question

我有一个具有以下形状的输入数据：(5395, 69, 1)

我的 input_shape 应该是：

• (69,1)或者

• (1,69)？

LSTM 层中有 69 个神经元，我在第一个 input_shape 中获得 19'596 个参数进行训练，而在第二个 38'364 个参数中，这些不是分别作为输入 1 和 69 个值获取的结果吗？我的问题是我应该输入 1 因为我有 1 个特征，还是应该输入 69 因为我有 69 个时间步长，为什么？

Answer 1

层的输入的LSTM形状为(num_timesteps, num_features)，因此：

• 如果每个输入样本有 69 个时间步长，其中每个时间步长由 1 个特征值组成，则输入形状将为(69, 1)。

• 如果每个输入样本都是 69 个特征值的单个时间步长，那么使用 RNN 层可能根本没有意义，因为输入基本上不是序列。相反，最好将输入样本展平（即重塑(1, 69)为(69,)），然后使用其他连接架构/层（例如Dense）。

顺便说一句，我可能是错的，但我有一种感觉，你正在混合输入时间步数和 LSTM 层中的单元/神经元数量（具体来说，我指的是你的这句话：“With 69 个神经元在 LSTM 层中......”）。这两者没有任何关系，也不一定是同一个数字。LSTM 层中的单元/神经元数量决定了该层的表示能力，应根据实验/经验进行相应设置。如果您有兴趣，这个答案会进一步解释这一点。