（使用python）
我对Tensorflow LSTM-Implementation有疑问。目前在TF中有几种实现，但我使用：
cell = tf.contrib.rnn.BasicLSTMCell(n_units)
然后我打电话给我的输出：
rnn_outputs, rnn_states = tf.nn.dynamic_rnn(cell, x,
initial_state=initial_state, time_major=False)
time_major=False）x的形状为(batch_size, time_steps, input_length) batch_size是我的batch_size time_steps是我的RNN将经历的时间步数input_length是我的一个输入向量的长度（在一个特定批次的一个特定时间步进入网络的向量）我希望rnn_outputs的形状为(batch_size, time_steps, n_units, input_length)，因为我没有指定另一个输出大小。
nn.dynamic_rnn的文档告诉我输出的形状为(batch_size, input_length, cell.output_size)。
tf.contrib.rnn.BasicLSTMCell的文档确实有一个属性output_size，默认为n_units（我使用的LSTM单元格数量）。
每个LSTM-Cell是否只为每个给定的时间步输出一个标量？我希望它输出一个输入向量长度的向量。从我现在的理解情况来看，情况似乎并非如此，所以我很困惑。你能告诉我是否是这种情况或者我如何改变它以输出每个单个lstm-cell的输入矢量大小的矢量？
答案 0 :(得分：4)
我认为主要的困惑在于LSTM细胞论证的术语：num_units。不幸的是，顾名思义，它并不意味着＆＃34; no。 LSTM细胞＆＃34;这应该等于你的时间步数。它们实际上对应于隐藏状态（单元状态+隐藏状态向量）中的维数。
对dynamic_rnn()的调用会返回一个形状的张量：[batch_size, time_steps, output_size]其中，
（请注意这一点）output_size = num_units;如果（num_proj = None）在lstm单元格中
其中，output_size = num_proj;如果它被定义。
现在，通常，您将提取最后一次time_step的结果，并使用手动mat-mul + biases操作将其投影到输出维度的大小，或者使用LSTM单元格中的num_proj参数。
我经历了同样的困惑，不得不看起来非常深入，以清除它。希望这个答案可以解决其中的一些问题。