Python Keras中的LSTM：顺序API和函数API的参数数量不同

使用顺序API

如果我使用Keras的顺序API和以下代码创建LSTM：

from keras.models import Sequential
from keras.layers import LSTM

model = Sequential()
model.add(LSTM(2, input_dim=3))

from keras.models import Model
from keras.layers import Input
from keras.layers import LSTM

inputs = Input(shape=(3, 1))
lstm = LSTM(2)(inputs)
model = Model(input=inputs, output=lstm)

然后

返回48参数，如中所示，该参数正常

快速详细信息：

使用功能API

但是，如果我使用以下代码对函数API执行相同的操作：

from keras.models import Sequential
from keras.layers import LSTM

model = Sequential()
model.add(LSTM(2, input_dim=3))

from keras.models import Model
from keras.layers import Input
from keras.layers import LSTM

inputs = Input(shape=(3, 1))
lstm = LSTM(2)(inputs)
model = Model(input=inputs, output=lstm)

然后

返回32个参数

---

为什么会有这样的差异？

不同之处在于，当您将

input\u dim=x

传递到RNN层（包括LSTM层）时，这意味着输入形状是

（无，x）

，即存在不同数量的时间步，其中每个时间步都是长度向量

x

。但是，在函数API示例中，您将

shape=（3，1）

指定为输入形状，这意味着有3个时间步，每个时间步都有一个特性。因此，参数的数量为：

4*输出尺寸*（输出尺寸+输入尺寸+1）=4*2*（2+1+1）=32

，这是模型摘要中显示的数字

此外，如果您使用Keras 2.x.x，在使用RNN层的

input\u dim

参数的情况下，您会得到警告：

用户警告：循环中的

input\u dim

和

input\u length

参数 不推荐使用图层。改用

input\u shape

用户警告：更新对keras2api的

LSTM调用：
LSTM（2，input_-shape=（None，3））

我按如下方式解决了这个问题：

Case 1:
m (input) = 3
n (output) = 2

params = 4 * ( (input * output) + (output ^ 2) + output)
       = 4 * (3*2 + 2^2 + 2)
       = 4 * (6 + 4 + 2)
       = 4 * 12
       = 48



Case 2:
m (input) = 1
n (output) = 2

params = 4 * ( (input * output) + (output ^ 2) + output)
       = 4 * (1*2 + 2^2 + 2)
       = 4 * (2 + 4 + 2)
       = 4 * 8
       = 32

如果在函数API中，我将inputs=Input（shape=（3，1））替换为inputs=Input（shape=（1，3）），我将得到48个参数，正如预期的那样。谢谢
Case 1:
m (input) = 3
n (output) = 2

params = 4 * ( (input * output) + (output ^ 2) + output)
       = 4 * (3*2 + 2^2 + 2)
       = 4 * (6 + 4 + 2)
       = 4 * 12
       = 48



Case 2:
m (input) = 1
n (output) = 2

params = 4 * ( (input * output) + (output ^ 2) + output)
       = 4 * (1*2 + 2^2 + 2)
       = 4 * (2 + 4 + 2)
       = 4 * 8
       = 32