如何在Keras的LSTM模型中获取每个时间步的输出结果

你的代码整体符合每个时间步输出对应Y值的需求，下面拆解说明：

核心逻辑的正确性 #

• LSTM层的return_sequences=True设置：
  第一个LSTM设为return_sequences=True，会输出每个时间步的隐藏状态（形状为(样本数, 4, 150)），这样才能作为第二个LSTM的输入（因为第二个LSTM需要处理序列数据）；第二个LSTM同样设return_sequences=True，保证输出还是序列形式（(样本数, 4, 150)），为后续Dense层生成每个时间步的输出做准备。
• Dense层的作用：
  最后一层Dense(1)会自动对每个时间步的150维特征做映射，最终输出形状为(样本数, 4, 1)，正好对应每个时间步的1个Y值，完全匹配你的需求。
• Masking层与其他组件：
  Masking层的输入形状(4,17)和你的数据集一致，Dropout层在序列数据后会对每个时间步的特征应用随机失活，不破坏序列结构。

需要注意的细节 #

• 输出激活函数relu：如果你的Y值存在负数，relu会把负数截断为0，这会导致预测错误，建议换成sigmoid（Y在0-1之间）或直接去掉激活函数（Y为任意实数）。
• Masking的mask_value：确认数据集中确实用-2.作为无效值的掩码标记，如果实际掩码值不同，需要修改这个参数，否则Masking层不会生效。
• 训练数据形状：训练时输入X的形状必须是(样本总数, 4, 17)，标签Y的形状必须是(样本总数, 4, 1)，否则模型会报错。

内容的提问来源于stack exchange，提问作者bee