LSTM 层输出大小与 KERAS 中的隐藏状态大小答案

【问题标题】：LSTM layer output size vs. hidden state size in KERASLSTM 层输出大小与 KERAS 中的隐藏状态大小
【发布时间】：2019-10-04 09:27:07
【问题描述】：

我无法理解 LSTM 的概念并在 Keras 上使用它。在考虑 LSTM 层时，输出大小和隐藏状态大小应该有两个值。

1. hidden state size : how many features are passed across the time steps of a samples when training the model
2. output size       : how many outputs should be returned by particular LSTM layer

但是在keras.layers.LSTM中，只有一个参数，用来控制层的输出大小。

问题：

Therefore how hidden state size of the LSTM layer can be changed?

如果我被误解了，非常感谢更正。

【问题讨论】：

类似问题：ai.stackexchange.com/questions/15621/… 和 stats.stackexchange.com/questions/468927/…

标签： tensorflow keras lstm recurrent-neural-network

【解决方案1】：

您对 LSTM 中隐藏单元和输出单元的区别感到困惑。请参阅以下链接以获得更清晰的信息：

https://jasdeep06.github.io/posts/Understanding-LSTM-in-Tensorflow-MNIST/

基本上，您在 num_units 中提供的只是 LSTM 隐藏单元的大小。这一点从这篇文章就很清楚了。

【讨论】：