TensorFlow LSTM的输入维度
我已经看过了与我类似的问题的答案，但我仍然不明白为什么LSTM的输入维度是[批量大小，数量隐藏单位] 数据本身，其形式为[批次大小、特征数量] 我们希望LSTM的输出具有维度[批次大小，数量隐藏单位] 为了简单起见，让我们忽略LSTM门所起的作用。然后，LSTM似乎只需要将输入向量乘以一个大小为[number_特征，number_隐藏单位]的权重矩阵，从而对输入向量进行编码 为什么不能这样做，因此，输入是任意维的？我忽略了什么 编辑：我刚刚意识到TF文档说输入确实是[批量大小，数量特征]。我在其他地方读到了其他内容。你的意思是“LSTM的输入维度是[批量大小，特征数量]”？[批量大小，数量隐藏单位]不是输入的形状。你的意思是“LSTM的输入维度是[批量大小，数量特征]”？[批次大小、数量、隐藏单位]不是输入的形状。TensorFlow LSTM的输入维度,tensorflow,deep-learning,lstm,Tensorflow,Deep Learning,Lstm,我已经看过了与我类似的问题的答案，但我仍然不明白为什么LSTM的输入维度是[批量大小，数量隐藏单位] 数据本身，其形式为[批次大小、特征数量] 我们希望LSTM的输出具有维度[批次大小，数量隐藏单位] 为了简单起见，让我们忽略LSTM门所起的作用。然后，LSTM似乎只需要将输入向量乘以一个大小为[number_特征，number_隐藏单位]的权重矩阵，从而对输入向量进行编码 为什么不能这样做，因此，输入是任意维的？我忽略了什么 编辑：我刚刚意识到TF文档说输入确实是[批量大小，数量特征]。我在其