Neural network LSTM单元如何合并空间或顺序信息？

据我所知，LSTM单元按顺序链接，每个单元都有一个输出，每个LSTM单元将一个输出传递给链中的下一个LSTM单元

然而，你不是把所有的输入都放在每一个LSTM单元中吗？我看不出这个链是如何反映数据的结构的，在这些结构中，顺序顺序很重要

---

有人能解释一下我哪里出错了吗？我对keras中实现的lstm版本特别感兴趣，但每个答案都非常受欢迎

否，LSTM单元都是平行的

当您将维度分离为他们所称的时间步长时，序列仅存在于数据本身中。传递给LSTM的数据的形状为（批量大小、时间步长、数据大小）

该序列以“时间步长”出现，但所有单元并行工作

即使只有一个单元的LSTM也会按照时间步长的顺序工作

LSTM的情况是他们有一个“状态”。这是一个内部矩阵，就像它的内存。在每个序列步骤中，都有“门”（其他矩阵），它们根据步骤输入决定该步骤是否会改变状态以及改变多少。还有“忘记之门”，决定旧国家是保留还是被遗忘

---

在keras中，可以将属性

return\u sequences

设置为true或false

如果为true，则结果将包含每个时间步的结果。
如果为false，则只输出最终结果

在这两种情况下，单位只是结果的“大小”。（与密集层中的单元或卷积层中的滤波器非常相似，它们更强大，功能更多，但不是更多的步骤）

带有

return\u sequences=False

的输出将只有大小为的单位：

（批量大小，单位）

---

带有

return\u sequences=True的输出将保留时间步长：
（批次大小、时间步长、单位）
非常感谢您的回复！所以，如果我有一个非常大的序列数据集，我把它切成小块，比如说长度10。然后，如果我将这个长度为10的序列输入到我的单个单元LSTM，长度为10的时间步长为10，在第一个阶段，我的单元将处理序列中的第一个元素，在第二个阶段，直到它分析序列中的第十个元素的最后一个阶段。然后，如果
return\u sequences=False
它将只返回最后一个时间步的输出，如果
return\u sequences=True
它将返回所有时间步的输出？这是否意味着如果我想预测前一个元素，我必须以相反的顺序输入序列？这个大数据集，它是否有一个巨大的序列可以分割？或者它有很多不同的序列？在“切割”和“成型”之间有区别。如果您将其塑造为（N_示例，步骤，10），您将有许多步骤，但每个步骤将一次处理10个元素（好像这些元素不是这10个元素中的序列）。如果你把它塑造成（N_示例，10，N），它将有10个步骤要“剪切”一个序列（创建多个批次以一次发送一个），必须将
stateful
更改为
True
。然后，您可以一次传递一个序列部分（这是一种处理处理处理能力或内存不足的方法）。是的，要预测前一个元素，最好使用反向序列。为此，在LSTM层中有
go_backward
参数。