Python 对于普通数据集，列车数据的keras输入维度是多少？

我对凯拉斯是个新手。我的数据集与任何普通数据集都非常相似。它有382个特征中的25K个样本。我想将每个样本作为一个序列处理，然后将它们提供给LSTM。keras列车数据集的维数是多少？我试过（25K，382，1），是真的吗

x_train = np.reshape(x_train_values, (25K, 382, 1))

model.add(LSTM(379, activation="tanh", return_sequences=True, input_shape=(382, 1)))

在模型拟合中，我用这个来输入模型的形状，是真的吗

x_train = np.reshape(x_train_values, (25K, 382, 1))

model.add(LSTM(379, activation="tanh", return_sequences=True, input_shape=(382, 1)))

---

似乎你要问的不仅仅是代码，所以可能不是合适的地方

话虽如此，我在2015年写了一篇关于如何处理Keras中的序列的综合教程。其中一些可能已经过时，但主要观点仍然相关，尤其是关于维度问题：

特别是：

我们对输入进行重塑，使其具有维度（#示例，#序列中的值，每个值的维度）。这里每个值都是一维的，它们只是（时间t时的功耗）的一个度量。然而，如果我们要预测速度向量，它们可能是三维的

及