假如数据集是（5000，28，128），

其中5000指的是样本个数，（28，128）便是具体每个样本的行列数，28就是lstm中的时间步数；

假如定义一个lstm层为 LSTM（output_dim= 256，activation=，input_shape= （28，128）），

那么每个时间步输出的是一个元素个数为256的一阶向量，所有时间步集合起来就是（28，256）的二阶向量。

至于模型是用所有时间步的输出，还是只用最后一个，就看具体怎么设计了。

对应：（N，T，F）=>(5000,28,128)

文本：N个样本，每个样本长度为T个词语，Ti 的词向量维度为128，

from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
model = Sequential()
hidden_feature = 256  # 隐藏层的神经单元个数
timestamp = 28
input_feature = 128
model.add(LSTM(hidden_featrue, input_shape=(timestamp, input_feature)))

# 参数计算方法

  4 * (( 128 + 256 ) * 256 + 256 )

作者：知乎用户
链接：https://www.zhihu.com/question/41949741/answer/232424403
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。