python - Keras中如何解释清楚units参数的含义？

Question

我想知道 LSTM 在 Keras 中是如何工作的。在 this tutorial例如，与许多其他人一样，您可以找到类似这样的内容:

model.add(LSTM(4, input_shape=(1, look_back)))

“4”是什么意思。它是层中神经元的数量。对于神经元，我的意思是每个实例都给出一个输出？

其实我找到了this brillant discussion但并没有真正被 the reference given 中提到的解释说服.

在方案上，可以看到图示的 num_units，我想我说这个单元中的每一个都是一个非常原子的 LSTM 单元(即 4 个门)并没有错。但是，这些单元是如何连接的？如果我是对的(但不确定)，x_(t-1) 的大小为 nb_features，因此每个特征都是一个单元和 num_unit 的输入 必须等于 nb_features 对吗？

现在，让我们谈谈keras。我读过this post and the accepted answer惹上麻烦。事实上，答案是:

基本上，形状类似于 (batch_size, timespan, input_dim)，其中 input_dim 可以不同于 unit

在什么情况下？我对之前的引用有问题...

此外，它说，

Keras 中的 LSTM 仅定义了一个 LSTM block ，其单元格具有单位长度。

好的，但是我该如何定义一个完整的 LSTM 层呢？ input_shape 是否隐含地创建了与 time_steps 数量一样多的 block (根据我的说法，这是 input_shape 参数的第一个参数我的一段代码？

谢谢你点亮我

编辑:是否也可以清楚地详细说明如何为有状态 LSTM 模型 reshape 大小为 (n_samples, n_features) 的数据？如何处理 time_steps 和 batch_size ？

Answer 1

首先，LSTM 中的units 不是time_steps 的数量。

每个 LSTM 单元(出现在给定的 time_step)接受输入 x 并形成一个隐藏状态向量 a，这个隐藏单元向量的长度就是所谓的LSTM(Keras) 中的 units。

您应该记住，代码只创建了一个 RNN 单元

keras.layers.LSTM(units, activation='tanh', …… )

RNN 操作由类本身重复 Tx 次。

我已链接 this以非常简单的代码帮助您更好地理解它。