Keras LSTM：第一个参数

在Keras中，如果要添加一个包含10个单元的LSTM层，可以使用

model.add（LSTM（10））

。我听说数字

10

指的是隐藏单元的数量和输出单元的数量（Keras代码第863行）

---

我的问题是，这两件事是一样的吗？输出的维度是否与隐藏单位的数量相同？我读过一些教程（如和），但没有一个明确说明这一点。

以获得一个很好的直觉来解释为什么这是有意义的。请记住，LSTM的工作是将序列编码为向量（可能是一种严重的过度简化，但这是我们所需要的）。该向量的大小由

隐藏单元指定，
输出为：

   seq vector            RNN weights
(1 X input_dim) * (input_dim X hidden_units),

它有1 X隐藏单位（表示输入序列编码的行向量）。因此，本例中的名称是同义的

当然，RNN需要不止一次乘法，keras将RNN实现为一系列矩阵乘法，而不是上面所示的向量矩阵。
以获得一个好的直觉来解释为什么这是有意义的。请记住，LSTM的工作是将序列编码为向量（可能是一种严重的过度简化，但这是我们所需要的）。该向量的大小由
隐藏单元指定，
输出为：

   seq vector            RNN weights
(1 X input_dim) * (input_dim X hidden_units),

它有1 X隐藏单位（表示输入序列编码的行向量）。因此，本例中的名称是同义的

当然，RNN需要不止一次乘法，keras将RNN实现为矩阵乘法序列，而不是上面所示的向量矩阵。
隐藏单元的数量与输出单元的数量不同

数字
10
控制输出隐藏状态的维度（可以找到LSTM构造函数方法的源代码。10指定
units
参数）。在您链接到（）的其中一个教程中，units参数将控制向量ht-1、ht和ht+1：

如果要控制网络中LSTM块的数量，需要将其指定为LSTM层的输入。层的输入形状为（nb_采样、时间步、输入_dim）
timesteps
控制网络包含多少LSTM块。再次参考colah博客上的教程，在中，timesteps将控制网络包含的绿色块数。
隐藏单元数与输出单元数不同

数字
10
控制输出隐藏状态的维度（可以找到LSTM构造函数方法的源代码。10指定
units
参数）。在您链接到（）的其中一个教程中，units参数将控制向量ht-1、ht和ht+1：

如果要控制网络中LSTM块的数量，需要将其指定为LSTM层的输入。层的输入形状为（nb_采样、时间步、输入_dim）
timesteps
控制网络包含多少LSTM块。再次参考colah博客上的教程，在中，timesteps将控制网络包含的绿色块的数量。
答案似乎是指多层感知器（MLP），其中隐藏层可以具有不同的大小，并且通常是不同的。对于LSTM，隐藏维度与按构造的输出维度相同：

h是给定时间步长的输出，单元状态c受元素相乘导致的隐藏大小限制。为计算门而添加的项要求输入核W和循环核U映射到同一维度。Keras LSTM也是如此，这就是为什么您只提供单个
单元
参数的原因。
答案似乎是指多层感知器（MLP），其中隐藏层可以具有不同的大小，并且通常是不同的。对于LSTM，隐藏维度与按构造的输出维度相同：

h是给定时间步长的输出，单元状态c受元素相乘导致的隐藏大小限制。为计算门而添加的项要求输入核W和循环核U映射到同一维度。Keras LSTM也是如此，这就是为什么您只提供单个
单位
参数的原因。
这似乎意味着隐藏单位的数量就是输出单位的数量，但我认为这是两个不同的东西-LSTM可以将一个序列编码为另一个序列，正如您所说，但它也可以从序列变成实数，不是吗？所以隐藏表示不一定与输出相同。这似乎意味着隐藏单位的数量就是输出单位的数量，但我认为这是两个不同的东西——正如你所说，LSTM可以将一个序列编码为另一个序列，但它也可以从一个序列变为一个实数，不是吗？因此，隐藏表示不一定与输出相同。对于LSTM，h也是输出，因此隐藏单位与输出单位数相同。情况并非总是如此。虽然LSTM可以将一个序列编码为另一个序列，但也可以使用LSTM将一个序列编码为单个分类输出。例如，您可以使用LSTM来表示一个句子，输出将表示该特定句子的情感。是的，最终输出将是最终LSTM单元格图表中的向量h。方程中的h就是输出