Machine learning 两个堆叠LSTM层之间的连接是什么？

问题与此类似，但更多的是实施细节

为简单起见，4个单元和2个单元的结构如何，如下所示

model.add(LSTM(4, input_shape=input_shape,  return_sequences=True))
model.add(LSTM(2,input_shape=input_shape))

因此，我知道

LSTM_1

的输出长度为4，但接下来的2个单元如何处理这4个输入，它们是否完全连接到下一层节点

我猜它们是完全连接的，但不确定，如下图所示，在

谢谢

不是长度4，而是4个“特征”

长度在输入形状中，并且永远不会改变，当您向一个LSTM提供常规输入时发生的情况与向另一个LSTM提供LSTM输出时发生的情况完全没有区别

您只需查看模型的摘要即可查看形状并了解发生了什么。您永远不会使用LSTMs更改长度

---

他们根本不交流。每一个都接受长度维度，并独立于另一个进行重复处理。当一个完成并输出一个张量时，下一个得到张量并按照相同的规则单独处理它

这回答了你的问题吗@ZabirAlNazi Thx，我检查过了，但它仍然不能解释堆叠的LSTM。它说：“当然，你可以将许多层堆叠在彼此之上，不一定都遵循相同的模式，然后创建你自己的模型。”我对此非常感兴趣。如何在层之间传递结果。谢谢谢谢，这很有帮助！这是功能，不是时间步。你能回答我这个问题吗？谢谢！要问一个后续问题，如果您堆叠一组LSTM层，然后再堆叠一些其他层来重新塑造数据，会怎么样？那么，如果您考虑的是一个时间序列，那么在下一个时间步（状态是否在每个LSTM单元内部循环）？@mfgeng，每个LSTM都隐藏在其内部，状态不是输出，不受其他层的影响。