我想知道如何在Keras下工作LSTM .
我们来举个例子吧 . 我的句子长度最多为3个字 . 示例：'你好吗'我在len 4的向量中对每个单词进行矢量化 . 所以我将有一个形状（3,4）现在，我想使用lstm来做翻译 . （只是一个例子）
model = Sequential()
model.add(LSTM(1, input_shape=(3,4), return_sequences=True))
model.summary()
根据Keras的说法，我的输出形状为（3,1） .
Layer (type) Output Shape Param #
=================================================================
lstm_16 (LSTM) (None, 3, 1) 24
=================================================================
Total params: 24
Trainable params: 24
Non-trainable params: 0
_________________________________________________________________
这是我不明白的 .
LSTM的每个单位（使用return_sequences = True以获得每个状态的所有输出）应该给出一个形状向量（时间步长，x），在这种情况下，时间步长为3，x是我的单词向量的大小（In这种情况，4）
那么，为什么我的输出形状为（3,1）？我到处搜索，但无法弄明白 .
1 回答
您对LSTM应该返回的内容的解释是不对的 . 输出维度不需要与输入维度匹配 . 具体来说，keras.layers.LSTM的第一个参数对应于输出空间的维度，您将其设置为1 .
换句话说，设置：
model.add(LSTM(k, input_shape=(3,4), return_sequences=True))将导致
(None, 3, k)输出形状 .