在Keras中，什么时候应该使用input_shape而不是input_dim？

Question

我发现在Keras中使用了input_shape而不是input_dim，尤其是在LSTM问题中？我担心的是input_shape限制了输入中的行数。它不会离开范围以提供完整的Dataframe作为输入。我们什么时候应该使用input_shape而不是input_dim？

以下是示例https://machinelearningmastery.com/timedistributed-layer-for-long-short-term-memory-networks-in-python/

Answer 1

以评论为基础并解决混淆点。您可以使用None 指定未知尺寸，以便在运行时提供不同的值。例如，input_shape=(None, 10)表示行数不同，每行有10个条目。 input_dim只是用于指定最终尺寸的捷径，在此很方便。