Keras在LSTM层之后丢失了时间步尺寸信息

Question

我试图用Python在Keras上训练递归神经网络。在图形计算LSTM层的结果后，时间步维将丢失其信息，如下所示。

代码：

print('Creating model...')
print('max_encoder_seq_length', self.max_encoder_seq_length)
print('num_encoder_tokens', self.num_encoder_tokens)
self.encoder_inputs = Input(shape=(self.max_encoder_seq_length, self.num_encoder_tokens), name='encoder_inputs')
print('encoder_inputs.shape', self.encoder_inputs.shape)
print('encoder_inputs.shape', self.encoder_inputs.shape)
self.encoder_outputs = LSTM(self.lstm_dim,
                                    name='lstm_layer',
                                    return_sequences=True,
                                    )(self.encoder_inputs)
print('encoder_outputs.shape', self.encoder_outputs.shape)

输出：

Number of samples: 8000
Number of unique input tokens: 59
Max sequence length for inputs: 93
encoder_input_data.shape: (8000, 93, 59)
Creating model...
max_encoder_seq_length 93
num_encoder_tokens 59
encoder_inputs.shape (?, 93, 59)
encoder_outputs.shape (?, ?, 64)

所以我的问题是；为什么keras会失去第二维，即时间步长信息？它应该只是(?, 93, 64)，但返回(?, ?, 64)，为什么？

我正在使用：

python 3.6.8
Keras 2.2.4