Python LSTM网络的体系结构

如何用Keras绘制python中的LSTM网络。网络接收6个不同的参数作为输入，并返回一个预测值。神经网络的建立如下：

model = Sequential()
model.add(LSTM(512,input_shape=(train_X.shape[1], train_X.shape[2])))
model.add(Dense(1))
model.compile(loss='mae', optimizer='adam')
model.summary()

Model: "sequential_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
lstm_3 (LSTM)                (None, 512)               1062912   
_________________________________________________________________
dense_3 (Dense)              (None, 1)                 513       
=================================================================
Total params: 1,063,425
Trainable params: 1,063,425
Non-trainable params: 0

下面的图片是一个很好的表现吗

---

如果图像不正确，我可以用正常神经元而不是LSTM细胞来表示吗？

我认为你的思路是正确的。您可以对图形进行一些修改，以改进图形的水平表示（从左到右向前传递），为各个层标题和描述添加一些样式，在引用LSTM单元时用单词单位替换单词神经元，并添加一些颜色以突出特征、单元和，还有神经元。以下是一个例子：