Tensorflow 在输入尺寸为x的情况下，KERA如何产生不同尺寸y的输出？

我不熟悉神经网络。我正在阅读大量的指南和教程，它们将从输入大小不同于输出大小的lstm层开始

例如，model.add（LSTM（100，输入_形=（20，1））-> 在执行之前->

• 添加（稠密（80，activation='relu'））等

据推测，这里lstm的输出层大小为100，而输入层只有20 对于稠密层，我可以想象它是如何工作的，因为有大量的图形描述了这一点，但是lstm如何生成与输入大小完全不同的输出层呢

• 同样重要的是，输入（比如说20）能有效地给出输出值的范围是什么？任何价值都有意义吗

---

输出大小可以是任何大小。例如，在输入256长度的字嵌入和输出1000长度的字嵌入的情况下，它稍微遵循以下步骤：

嵌入到LSTM中（在这里，我忽略批处理和序列长度；在一个时间步中只嵌入一个单词）

权重矩阵（Waa、Way、Wax等已初始化）：这些矩阵形状取决于您给出的输出大小（例如上面的100）

根据LSTM语义，遵循所有需要的计算

生成1000矢量长度的输出

---

给定输入的输出大小没有限制，所以我认为你的问题是基于一个误解。“如何”只是一个矩阵乘法，我明白了。非常感谢。我不知道我的问题是如何冒犯了任何人，但还好。