keras - 如何正确设置 LSTM 层的 input_shape？

Question

我有一个具有以下形状的输入数据:(5395, 69, 1)

我的 input_shape 应该是:

• (69,1) 或

• (1,69) ?

在 LSTM 层中有 69 个神经元，我得到第一个 input_shape 19'596 个参数来训练，第二个38'364个参数，不就是分别get as input 1和69的结果吗？我的问题是我应该输入 1 因为我有 1 个特征还是输入 69 因为我有 69 个时间步，为什么？

Answer 1

LSTM层的输入具有(num_timesteps, num_features)的形状，因此:

• 如果每个输入样本有 69 个时间步长，其中每个时间步长包含 1 个特征值，则输入形状将为 (69, 1)。

• 如果每个输入样本都是 69 个特征值的单个时间步长，那么使用 RNN 层可能根本没有意义，因为基本上输入不是序列。相反，最好将输入样本展平(即将 (1, 69) reshape 为 (69,))，然后使用其他连接架构/层(例如 密集).

---

作为旁注，我可能是错的，但我觉得你在 LSTM 层中混合了输入时间步长的数量和单元/神经元的数量(具体来说，我指的是你的这句话:“在 LSTM 层中有 69 个神经元……”)。这两个没有任何关系，不一定是同一个数。 LSTM 层中的单元/神经元数量决定了该层的表示能力，应根据实验/经验进行相应设置。 This answer如果您有兴趣，请进一步解释这一点。