在 Keras 中，当我创建具有 N 个“单元”的有状态“LSTM”层时，我到底要配置什么？

正常的第一个参数Dense层也是units，是该层中神经元/节点的数量。然而，标准 LSTM 单元如下所示：

（这是“的修改版本”了解 LSTM 网络 http://colah.github.io/posts/2015-08-Understanding-LSTMs/")

在 Keras 中，当我创建这样的 LSTM 对象时LSTM(units=N, ...)，我实际上是在创造吗？N这些 LSTM 单元？或者是 LSTM 单元内“神经网络”层的大小，即W是在公式中吗？或者是别的什么？

对于上下文，我正在基于这个示例代码 https://github.com/fchollet/keras/blob/master/examples/stateful_lstm.py.

以下是文档：https://keras.io/layers/recurrent/ https://keras.io/layers/recurrent/

It says:

单位：正整数，输出空间的维数。

这让我认为这是 Keras LSTM“层”对象的输出数量。意味着下一层将有N输入。这是否意味着确实存在NLSTM 层中这些 LSTM 单元的数量，或者也许正是如此oneLSTM 单元的运行时间为N迭代输出N这些h[t]价值观，来自，说，h[t-N] up to h[t]?

如果它只定义输出的数量，这是否意味着输入仍然可以是，比如说one，或者我们是否必须手动创建滞后输入变量x[t-N] to x[t]，每个 LSTM 单元由units=N争论？

当我写这篇文章时，我突然想到这个论点是什么return_sequences做。如果设置为True一切N输出被向前传递到下一层，而如果设置为False它只通过了最后一个h[t]输出到下一层。我对吗？

你可以检查这个问题 https://stackoverflow.com/questions/38714959/understanding-keras-lstms/38737941#38737941了解更多信息，尽管它基于 Keras-1.x API。

基本上，unit表示 LSTM 中内部单元的维度。因为在 LSTM 中，内部单元的维度（图中的 C_t 和 C_{t-1}）、输出掩码（图中的 o_t）和隐藏/输出状态（图中的 h_t）应该具有SAME尺寸，因此您输出的尺寸应该是unit- 长度也是如此。

And LSTM在 Keras 中只定义了一个 LSTM 块，其单元为unit-长度。如果你设置return_sequence=True，它将返回具有形状的东西：(batch_size, timespan, unit). If false，那么它只返回形状中的最后一个输出(batch_size, unit).

至于输入，您应该为每个时间戳提供输入。基本上，形状就像(batch_size, timespan, input_dim), where input_dim可以不同于unit。如果您只想在第一步提供输入，则只需在其他时间步骤用零填充数据即可。