Keras中LSTM函數參數圖解

在學習LSTM時，我對網絡結構總是不太清楚，看了幾篇博客，特來整理一下

LSTM的輸入形式爲三維向量：[samples, timesteps, features]

• samples 輸入LSTM的樣本的數量
• timesteps 窗口大小，即截取的樣本長度（拿多長的樣本進行預測）
• features 樣本的維度

在構建LSTM網絡時，我們常用到下面的句子
以下三個句子等價

#表述1
model.add(LSTM(input_dim=2, output_dim=8,input_length=3, return_sequences=True))
#表述2
model.add(LSTM(8, input_dim=2, input_length=3, return_sequences=True))
#表述3
model.add(LSTM(8, input_shape=(3, 2),return_sequences=True))

• input_dim   輸入維度=2 （與輸入形式的features一樣）
• output_dim   輸出維度=8
• input_length   輸入長度/窗口大小=3（與輸入形式的timesteps一樣）

上面句子表示預測一個具有二維特徵的時間序列，用3個連續序列預測後三個序列，輸入數據爲2維，輸出數據爲8維
如下圖所示：

相當於輸入爲3*2， 輸出爲3 * 8

參考：
https://blog.csdn.net/luoganttcc/article/details/78981815
https://blog.csdn.net/qq_35649669/article/details/89575949
https://blog.csdn.net/jiangpeng59/article/details/77646186