Keras：區別input_dim和input_length在LSTM

Question

在建設LSTM，要求我們通過提供輸入形狀信息：

input_shape =() # a tuple 

另外，通過：

input_length =() # an integer 
input_dim =() # an integer 

我感到有點困惑這兩個數量。他們指出了什麼？

另外，input_dim是所謂的時間步驟嗎？

Answer 1

我將設法簡化輸入形狀參數儘可能： 在LSTM的情況下（或一般爲RNNs）可以通過所提供的輸入形狀之一：

1. input_shape鍵字參數：input_shape = (input_length, input_dim) 其中input_length =序列的長度和input_dim =特徵/變量的數量。如果未提供值，則表示可以預期任何正整數。在這裏你沒有提到批量大小，即訓練期間權數更新的觀察次數。例如 input_length = 50（這是您的序列長度） input_dim = 10（這是在數據的輸入特徵你的電話號碼）使用單獨的input_dim和input_length參數

   model.add(LSTM(16, input_shape = (50,10)))

2. 在此指定input_dim即數據中的特徵數量和input_length，即數據中單個觀測的序列長度。例如， model.add(LSTM(16, input_length= 50, input_dim =10))。這相當於上述方法

3. 最後，您可以通過batch_input_size參數指定批處理的大小（上面未指定）。如果LSTM是有狀態的，則必須預先指定批處理大小。 batch_input_size =（的batch_size，input_length，input_dim），相當於上述兩個

   model.add(LSTM(16,batch_input_size = (32,50,10)))

model.add(LSTM(16,batch_input_size = (None,50,10)))批量大小爲32