Keras LSTM输入形状

我不确定我是否理解我应该输入到keras中的LSTM的输入的形状。因此，我有以下设置：

    self._model = kr.models.Sequential()
    self._model.add(kr.layers.LSTM(100, batch_input_shape=input_shape, stateful=True, return_sequences=True))

    self._model.add(kr.layers.Dense(4))

输入_形状是（4,20,3），其中20是时间步长，3是我的特征向量的维数。我认为4应该是批量大小。假设我有一个时间序列T，我选择了4个随机起始点P。那么我对网络的输入构造如下：

  input = [T[p:p+20] for p in P]

  target_label = [L[p:p+20] for p in P]

在每次train_on_批处理调用之后，我将p中的每个p增加20，并根据随机变量重置状态。据我所知，输入现在有4个不同的批，每个批都有自己不同的状态。这就像用不同的起点对网络进行4次训练

目标标签包含在不同的时间序列L中，其构造如下：

  input = [T[p:p+20] for p in P]

  target_label = [L[p:p+20] for p in P]

我得到了一些奇怪的结果，我想确保我最初的想法是正确的。所以，你能帮我重新确保它能像我刚才描述的那样工作吗？或者告诉我哪里弄错了

---

谢谢

如果您同时选择t[p:p+20]个训练实例，批量大小不是等于20吗？试试输入（20,20,3）怎么样？你能更具体地描述一下结果吗？如果你同时选择t[p:p+20]个训练实例，批量大小不是等于20吗？试试输入（20,20,3）怎么样？你能更具体地谈谈结果吗？