说出我的看法，欢迎分享，因为我自己也不确定，，，不知道该如何解释。。。
先贴一下我看的文章：
- 如何理解lstm的输入输出：https://www.jianshu.com/p/c66369cfa0c7
例如这样一个数据集合，总共100条句子，每个句子20个词，每个词都由一个80维的向量表示。在lstm中，单个样本即单条句子输入下（shape是 [1 , 20, 80]），假如设定每一个time step的输入是一个词（当然这不一定，你也可以调成两个词或者更多个数的词），则在t0时刻是第一个时间步，输入x0则为代表一条句子（一个样本）中第1个词的80维向量，t1是第二个时间步，x1表示该句子中第2个词的80维向量，依次类推t19输入是最后一个词即第20个词的向量表示。
常见的tf或者keras中lstm的参数（samples， timestep， input_dim），samples是指批量训练样本的数量， timestep是时间步（这个时间步可自己设置）比如上面说的20，input-dim是每个time step的输入shape
-
lstm输入输出参数你懂了吗：https://blog.csdn.net/ssswill/article/details/88429794
-
官方api：https://www.tensorflow.org/api_docs/python/tf/keras/layers/GRU?version=nightly
-
参数源码：https://segmentfault.com/a/1190000020603328?utm_source=tag-newest
最后说一下自己的见解，输入的3d为(batch_size,time_step,input_dim)，分别为：
batch_size:同时输入的一批样本。（=1则就是只输入一条样本）
time_step:可以简单理解为lstm一层的单元数量。（一句话里一个词对应一个lstm）
input_dim:表示一个特征的向量维数。（表示一个词的向量的维数）
初始化GRU时传入的units：可以理解为一个lstm单元中输出的向量维数。（）
输出的2d为(batch_size,units),分别为：
batch_size:同时输入的一批样本。（=1则就是只输入一条样本）
units:一个lstm单元中向量维度。
我现在只能这么理解，但是感觉还是怪怪的，期待以后的改进，，，，
来个大佬给分享一下看法哇呀呀呀呀呀
