如何正确设置 LSTM 层的 input_shape？
How to properly set the input_shape of LSTM layers?
我有一个具有以下形状的输入数据：(5395, 69, 1)
我的input_shape应该是：
(69,1) 或
(1,69) ?
在 LSTM 层中有 69 个神经元，我在第一个 input_shape 19'596 个参数中训练，在第二个中训练
38'364个参数，不就是分别get as input 1和69的结果吗？我的问题是我应该输入 1 因为我有 1 个特征还是输入 69 因为我有 69 个时间步长，为什么？
LSTM层的输入具有(num_timesteps, num_features)的形状，因此：
如果每个输入样本有 69 个时间步长，其中每个时间步长包含 1 个特征值，则输入形状将为 (69, 1).
如果每个输入样本都是 69 个特征值的单个时间步长，那么使用 RNN 层可能根本没有意义，因为基本上输入不是序列。相反，最好将输入样本展平（即将 (1, 69) 重塑为 (69,)），然后使用其他连接 architectures/layers（例如 Dense）。
作为旁注，我可能是错的，但我感觉你在 LSTM 层混合了输入时间步长的数量和 units/neurons 的数量（具体来说，我指的是这句话你的："With 69 neurons in the LSTM layer..."）。这两个没有任何关系，不一定是同一个数。 LSTM 层中 units/neurons 的数量决定了该层的表示能力，应根据 experiments/experience 进行相应设置。 如果您有兴趣，请进一步解释这一点。
我有一个具有以下形状的输入数据：(5395, 69, 1)
我的input_shape应该是：
(69,1)或(1,69)?
在 LSTM 层中有 69 个神经元，我在第一个 input_shape 19'596 个参数中训练，在第二个中训练 38'364个参数，不就是分别get as input 1和69的结果吗？我的问题是我应该输入 1 因为我有 1 个特征还是输入 69 因为我有 69 个时间步长，为什么？
LSTM层的输入具有(num_timesteps, num_features)的形状，因此：
如果每个输入样本有 69 个时间步长，其中每个时间步长包含 1 个特征值，则输入形状将为
(69, 1).如果每个输入样本都是 69 个特征值的单个时间步长，那么使用 RNN 层可能根本没有意义，因为基本上输入不是序列。相反，最好将输入样本展平（即将
(1, 69)重塑为(69,)），然后使用其他连接 architectures/layers（例如Dense）。
作为旁注，我可能是错的，但我感觉你在 LSTM 层混合了输入时间步长的数量和 units/neurons 的数量（具体来说，我指的是这句话你的："With 69 neurons in the LSTM layer..."）。这两个没有任何关系，不一定是同一个数。 LSTM 层中 units/neurons 的数量决定了该层的表示能力，应根据 experiments/experience 进行相应设置。