LSTM输入形式疑问：给定序列与节点数时的输入呈现方式

嘿，我来帮你理清这两个关于LSTM输入的问题～

1. LSTM的输入究竟是什么？ #

简单来说，LSTM接收的是带时序属性的特征序列，标准的输入维度一般是 (batch_size, timesteps, input_features)：

• batch_size：一次喂给模型的样本数量（比如你一次传10条时序数据，这个值就是10）
• timesteps：每条样本包含的时间步数（也就是你的序列长度，比如例子里的8）
• input_features：每个时间步对应的特征数量（比如单变量时序数据就是1，要是同时记录温度、湿度，那就是2）

举个直观的例子：你手里的这条输入列表 [0,5,0,4,3,3,2,1] 就是一条单特征的时序数据，它的输入形状就是 (1, 8, 1)（batch_size=1，因为只有这一条样本）。

2. 单特征序列如何喂给多节点LSTM层？ #

针对你提出的具体场景，你的第一种猜想是正确的，咱们来拆解一下：

LSTM层里的多个节点（也就是记忆单元）是共享输入序列的——每个时间步，整个LSTM层会接收当前时间步的特征值（这里是单特征，所以就是一个数字），层内的所有3个LSTM单元都会基于这个输入，结合自己上一个时间步保存的隐藏状态和细胞状态，计算当前的输出和新的状态。

对应你的例子：

• 时间步1：3个LSTM单元全都接收输入值 0，各自更新自己的状态
• 时间步2：3个单元又同时接收输入值 5，再结合自己上一步的状态计算新输出
• 就这样一步步走下去，直到时间步8，所有单元接收输入值 1

至于你提到的第二种猜想（每个节点在时间步接收不同输入），这种逻辑并不符合LSTM的工作机制：输入特征数和LSTM节点数是完全独立的参数——输入特征数由你的数据本身决定，LSTM节点数是你设置的模型容量参数，就算是多特征输入，每个LSTM单元也会接收完整的特征向量，而非拆分给不同节点。

额外补充一点：3个节点的LSTM层，输入是 (1,8,1) 的话，如果设置返回全序列输出，最终输出的形状会是 (1,8,3)——也就是每个时间步对应3个单元的输出结果；如果只返回最后一个时间步的输出，形状就是 (1,3)。

内容的提问来源于stack exchange，提问作者user312549