Python 试图理解keras SimpleRNN

我有一个医学纵向数据，我正在进行研究。 首先，我使用4000行样本，3个时间步（3列）的骨骼大小对应于3个月内测量的骨骼大小

我已经完成了基本模型。现在我想确定我对模型的理解是否正确

model = Sequential()
model.add(layers.SimpleRNN(units=10, input_shape=(3,1),use_bias=True,bias_initializer='zeros',activation="relu",kernel_initializer="random_uniform"))
model.add(layers.Dense(1, activation="sigmoid")) 
model.compile(loss='binary_crossentropy', optimizer='sgd')
model.summary()


model.fit(trainX,train_op, epochs=100, batch_size=50, verbose=2)
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)

以下是我对这种模式的一些疑问：

这里

return\u sequences

为False，那么我不应该只从RNN层获取最后一个输出。为什么RNN层的输出为形状（无，10）？我认为应该是（样本量，1） 我下面提到的逻辑也有缺陷，但我需要解决它，即：

单位对应于输出单位。最初我的猜测是，由于有3个时间步，因此必须有3个输出单位，但我感到惊讶的是，即使给定单位=128或10，1，该模型仍然有效。它是如何发生的以及为什么发生的？这个问题和上面的一个问题让我更加困惑

输入_形状对应于-[样本大小、时间步数、特征]。在这里，我在3个时间段内测量1个骨骼大小。当我说输入形状是（样本大小，3,1）时，我的理解正确吗？此外，我对numpy如何表示3d阵列感到困惑。似乎，要获得所需的维度，我需要输入-#特征、观察值/样本大小、时间步长。我是否必须根据numpy表示3d的方式来重塑我的输入，还是让它成为现实 此外，如果我在不同的时间范围内测量了不同的特征集，或者有不同的时间步长，我如何构建模型？如何与上述模型结合

是的，您将获得最后一个输出，它是一个10维向量，而不是一维向量，因此获取形状

（示例，10）

是正确的

单位的数量与时间步长无关，时间步长的数量是神经元重复应用的次数，因此它与特征或单位的数量正交

是的，输入的形状应该是

（示例，3，1）

，而

输入的形状应该是
（3，1）
，所有这些在代码中都是正确的。我不确定你在“numpy如何表示3d阵列”中所说的是什么，形状很清楚，numpy没有对输入形状进行任何修改

---

请告诉我什么是单位。？我关联时间步长和单位的方式是，每个RNN单元为输入生成一个输出。由于有3个时间步长，因此必须有3个RNN单元。RNN细胞和单位相同吗？不，单位是神经元的数量，RNN细胞输出的尺寸。所以，单位是RNN细胞隐藏状态的数量。？因此，在这种情况下，每个RNN单元将有10个隐藏状态。由于返回序列为假，最后一个RNN单元将输出对应于10个隐藏状态的10个值？我是对的吗？是的，这是正确的，这是隐藏状态的维度。谢谢，根据你的经验，拥有更多的单位有帮助吗？