LSTM(units, input_shape=(window, feanum), return_sequences=True/False)

LSTM(units, input_shape=(window, feanum), return_sequences=True/False)

1.units:指的并不是一层LSTM有多少个LSTM单元,实际代表的是LSTM单元内的隐藏层的尺寸；对于LSTM而言，每个单元有3个门，对应了4个激活函数（3个sigmoid,一个tanh）。假如units=32，也就是说有4个神经元数量为32的前馈网络层。

计算过程：假如序列长度为5（5个时间点），维度为10（每个时间点的特征数量），对于任意一个时间点1×10，输出Y=X（1×10）W（10×32），这里X为（1,10）的向量，W为（10,32）的矩阵，所以运用矩阵乘法，将10维的X转化为32维的向量

2.input_shape = (window, feanum)中代表输入集的数据量，=None代表模型输入集的数据量不限制（即可以是过去任意天的工作量），feanum在这里代表只有工作量的维度

低版本的keras中模型构建的方式采用参数input_dim和output_dim表式输入维度和输出维度,在高版本中采用此法会出现红色的warning。因为，在高版本中已经采用input_shape和units，代替原来的input_dim和output_dim，以避免红色的warning信息

3.return_sequences：为True意味着返回多个单元短期的输出结果,为False则只返回一个单元的输出结果
————————————————
版权声明：本文为CSDN博主「xinyihhh」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/xinyihhh/article/details/122102803