如何为keras lstm输入重塑我的数据？

Question

我是Keras的新手，我发现很难理解LSTM图层输入数据的形状。
Keras文档说输入数据应该是具有形状的3D张量（nb_samples，timesteps，input_dim）。

我有808个信号 每个信号有22个通道和2000个数据点。

Data_shape : (808,22,2000)

此外，每个信号都有808个标签。

Label_shape : (808,2)
Label[1,:] = [1,0]

我希望将slice 2000数据点分析为20个时间步，每个步（lstm cell）接收100个数据点。
在我看来，有20个LSTM单元，每个LSTM单元接收（22,100）数据，这是100个数据点，22个通道（特征）。

所以这是我的问题

1. 在我的数据案例中，Keras LSTM的输入形状是什么？ 我应该在LSTM模型上改变什么价值呢？ 我现在已经尝试过这种方式了。我不确定输入形状。

   print(X_train.shape)  
   print(y_train.shape)
   (727, 22, 2000)
   (727, 2)
   
   model = Sequential()
   model.add(LSTM(20, input_shape=(22,2000), dropout=0.2, recurrent_dropout=0.2, return_sequences=True))
   model.add(Dense(20))
   model.add(LSTM(20, dropout=0.2, recurrent_dropout=0.2))
   model.add(Dense(2, activation='softmax'))
   model.compile(loss='binary_crossentropy', optimizer='Adadelta', metrics=['accuracy'])
   

2. 我应该如何处理数据形状？
   我应该将我的数据重塑为另一种形状吗？