在Keras自定义RNN单元中，输入和输出的尺寸是多少？

自定义单元格接受（输入、状态）并生成（输出、状态）。我相信输入是张量，状态是张量列表。从错误信息的斗争来看，张量似乎带有一个额外的维度，但我不确定在RNN的上下文中会是什么。另一个维度是什么？预期的输出大小/形状是什么

---

顺便说一句，我使用的是Tensorflow后端。

单元格输入是一个形状的三维张量（批大小、时间步长、输入大小）或（时间步长、批大小、输入大小），具体取决于您展开输入的方式（如果您选择“时间主属性”是否为真）。状态是n个张量的列表，其中每个张量具有形状（批次大小、隐藏状态），其中n是RNN层（或堆叠的RNN单元）的数量

单元格输入是一个三维形状张量（批次大小、时间步长、输入大小）或（时间步长、批次大小、输入大小），具体取决于您展开输入的方式（如果选择“时间”主属性为真或否）。状态是n个张量的列表，其中每个张量具有形状（批次大小、隐藏状态），其中n是RNN层（或堆叠的RNN单元）的数量

您是说所有的时间步都同时呈现给单元格？这似乎与单元的顺序反馈性质不一致，即：（out，state）=func（in，state）。我将尝试解释整个rnn及其在keras中的工作方式。假设您有一个形状输入（批大小、时间步长、输入大小）。您将首先创建一个RNN层。您可以将其视为单元格的包装器，它将在时间维度上展开输入。每次，它都会调用带有当前输入（1个时间戳）和状态的单元格。之后，单元格的输出（输出、状态）将作为输入传递给下一个单元格并存储在列表中。处理完所有时间戳后，列表将返回。对，因此在单元格函数输入中，一次只传递一次。因此，单元格中的形状应该是（批处理大小，输入大小）？是的，单元格中的输入应该具有该形状。您是说所有时间步都同时呈现给单元格？这似乎与单元的顺序反馈性质不一致，即：（out，state）=func（in，state）。我将尝试解释整个rnn及其在keras中的工作方式。假设您有一个形状输入（批大小、时间步长、输入大小）。您将首先创建一个RNN层。您可以将其视为单元格的包装器，它将在时间维度上展开输入。每次，它都会调用带有当前输入（1个时间戳）和状态的单元格。之后，单元格的输出（输出、状态）将作为输入传递给下一个单元格并存储在列表中。处理完所有时间戳后，列表将返回。对，因此在单元格函数输入中，一次只传递一次。所以单元格中的形状应该是（批处理大小，输入大小）？是的，单元格中的输入应该具有该形状。