用例子与代码详解LSTM层的输入输出，以Keras为例

先附上代码：

from keras import Sequential
from keras.layers import LSTM

model = Sequential()
model.add(LSTM(64))  #64表示input_dim，即每个时间步输入的向量的维度

#输入为2个句子，即2个样本，Batchsize=2，3个时间步，每个时间步的输入是64维，如X0，
# 注意：每个时间步不一定只输入一个单词，如一个单词的维度为32，那么这个时间步就是输入了两个单词，即Word0和word1共同构成了X0
input_array = np.random.randint(10, size=(2,3,64))

model.compile('rmsprop', 'mse')
output_array = model.predict(input_array)
print(output_array.shape)
assert output_array.shape == (2,64)

然后附上图解：

注：如果是Bidirectional(LSTM())则输出维度会变成(batch_size,128)

参考资料（如果对于上述例子感觉迷惑，建议阅读参考资料后再回顾一遍）：

https://keras.io/zh/layers/recurrent/#lstm

https://www.jianshu.com/p/c66369cfa0c7

如有其他疑问，欢迎留言交流。