說出我的看法，歡迎分享，因爲我自己也不確定，，，不知道該如何解釋。。。
先貼一下我看的文章：
- 如何理解lstm的輸入輸出：https://www.jianshu.com/p/c66369cfa0c7
例如這樣一個數據集合，總共100條句子，每個句子20個詞，每個詞都由一個80維的向量表示。在lstm中，單個樣本即單條句子輸入下（shape是 [1 , 20, 80]），假如設定每一個time step的輸入是一個詞（當然這不一定，你也可以調成兩個詞或者更多個數的詞），則在t0時刻是第一個時間步，輸入x0則爲代表一條句子（一個樣本）中第1個詞的80維向量，t1是第二個時間步，x1表示該句子中第2個詞的80維向量，依次類推t19輸入是最後一個詞即第20個詞的向量表示。
常見的tf或者keras中lstm的參數（samples， timestep， input_dim），samples是指批量訓練樣本的數量， timestep是時間步（這個時間步可自己設置）比如上面說的20，input-dim是每個time step的輸入shape
-
lstm輸入輸出參數你懂了嗎：https://blog.csdn.net/ssswill/article/details/88429794
-
官方api：https://www.tensorflow.org/api_docs/python/tf/keras/layers/GRU?version=nightly
-
參數源碼：https://segmentfault.com/a/1190000020603328?utm_source=tag-newest
最後說一下自己的見解，輸入的3d爲(batch_size,time_step,input_dim)，分別爲：
batch_size:同時輸入的一批樣本。（=1則就是隻輸入一條樣本）
time_step:可以簡單理解爲lstm一層的單元數量。（一句話裏一個詞對應一個lstm）
input_dim:表示一個特徵的向量維數。（表示一個詞的向量的維數）
初始化GRU時傳入的units：可以理解爲一個lstm單元中輸出的向量維數。（）
輸出的2d爲(batch_size,units),分別爲：
batch_size:同時輸入的一批樣本。（=1則就是隻輸入一條樣本）
units:一個lstm單元中向量維度。
我現在只能這麼理解，但是感覺還是怪怪的，期待以後的改進，，，，
來個大佬給分享一下看法哇呀呀呀呀呀
