我的輸入時間序列數據是形狀（nb_samples，75,32）。
75是時間步長，32是輸入維度。Keras LSTM多維輸入
model = Sequential()
model.add(LSTM(4, input_shape=(75, 32)))
model.summary()
的LSTM權重向量，[W_i, W_c, W_f, W_o]都是32米的尺寸，但輸出僅僅是一個單一的值。上述模型的輸出形狀是（1,4）。但是在LSTM中，輸出也是一個向量，因此對於多對一的實現，不應該如此（32,4）？爲什麼它給多維度輸入一個單一的價值呢？
正如可以在Keras doc for reccurent layers
對於形狀(nb_sample, timestep, input_dim)的輸入讀取，有兩種可能的輸出：
如果設置在LSTM return_sequence=True（這不是你的情況下），你返回每一個隱藏狀態，所以當LSTM'讀取'你的序列時，這是中間步驟。你會得到形狀爲(nb_sample, timestep, output_dim)的輸出。
如果你設置了return_sequence=False（這是默認值），它將只輸出最後一個狀態。所以你會得到形狀爲(nb_sample, output_dim)的輸出。
所以，如果你定義LSTM層是這樣的：
model.add(LSTM(4, return_sequence=True, input_shape=(75, 32)))
，你將有形狀(None, 75, 4)的輸出。如果32是您的時間維度，則在將數據提供給LSTM之前，您必須轉換數據。第一個維度是時間維度。
我希望這有助於:)
你是什麼意思，這個向量有32個維度？這不是真的。 –