Keras LSTM：第一個參數

Question

在Keras中，如果要添加10個單位的LSTM圖層，請使用model.add(LSTM(10))。我聽說號碼10被稱爲隱藏單元的數量here和輸出單元的數量（Keras碼here的863行）。

我的問題是，這兩件事情是一樣的嗎？輸出的維度與隱藏單位的數量相同嗎？我已閱讀了一些教程（如this one和this one），但他們都沒有明確說明。

Answer 1

爲了得到一個很好的直覺，爲什麼這是有道理的。請記住，LSTM的工作是將一個序列編碼成一個向量（可能是總體過度簡化，但它是我們需要的）。由hidden_units指定矢量的大小，output是：

seq vector   RNN weights 
(1 X input_dim) * (input_dim X hidden_units), 

其具有1×hidden_​​units（代表你的輸入序列進行編碼的行向量）。因此，這種情況下的名稱被同義使用。

當然，RNN需要多於一個乘法，並且keras實現RNN作爲上述矩陣 - 矩陣乘法的序列，而不是向量矩陣。

Answer 2

隱藏單元的數量是不一樣作爲輸出單元的數量。

數字10控制輸出隱藏狀態的尺寸（LSTM構造方法的源代碼可以找到here.10指定units參數）。在教程的一個已連接於（colah's blog），所述單元的參數將控制載體ħ_噸-1，ħ_噸，和ħ_{噸+ 1}的尺寸：RNN image 。

如果要控制網絡中LSTM塊的數量，則需要將其指定爲LSTM層的輸入。輸入圖層的形狀是（nb_samples，timesteps，input_dim）Keras documentation。 timesteps控制您的網絡包含多少個LSTM塊。再次參考colah博客上的教程RNN image，時間步將控制網絡包含的綠色塊的數量。