Neural network 关于LSTM对Keras的理解

我想知道在Keras的领导下LSTM是如何工作的

让我们举个例子。 我的最大句子长度为3个单词。 例如：“你好吗？” 我将每个单词矢量化为len4的矢量。所以我将有一个形状（3,4） 现在，我想用lstm来做翻译工作。（只是一个例子）

model=Sequential（）
add（LSTM（1，input_shape=（3,4），return_sequences=True））
model.summary（）

根据Keras，我将有一个（3，1）的输出形状

层（类型）输出形状参数
=================================================================
lstm_16（lstm）（无、3、1）24
=================================================================
总参数：24
可培训参数：24
不可训练参数：0
_________________________________________________________________

这就是我不明白的

LSTM的每个单元（返回_sequences=True以获得每个状态的所有输出）应该给我一个形状向量（timesteps，x） 其中，timesteps在本例中为3，x是单词向量的大小（在本例中为4）

那么，为什么我的输出形状是（3,1）？

---

我到处都找了，但都找不出来。

你对LSTM应该返回什么的解释是不对的。输出维度不需要与输入维度匹配。具体地说，的第一个参数对应于输出空间的维度，您将其设置为1

换句话说，设置：

model.add（LSTM（k，input\u shape=（3,4），return\u sequences=True））

---

将生成一个

（无，3，k）

输出形状。

谢谢您的回答。如果我理解的话，你的意思是第一个参数指的是进入LSTM不同门的神经元数量？因此，无论输入是什么，输出和上下文向量都将具有参数len。是吗？是的，第一个参数是指LSTM门的输出维度，输出维度不依赖于输入维度。@Pusheen_the_dev如果答案有帮助，请接受和/或投票-答案会占用受访者宝贵的时间