给定大小 x 的输入，Keras 如何产生不同大小 y 的输出？答案

【问题标题】：How does Keras produce output of different size y, given an input of size x?给定大小 x 的输入，Keras 如何产生不同大小 y 的输出？
【发布时间】：2020-11-11 15:49:58
【问题描述】：

我是神经网络的新手。我正在阅读很多指南和教程，它们将从输入大小与输出大小不同的 lstm 层开始

例如。 model.add(LSTM(100, input_shape=(20, 1))) -> 在做之前->

model.add(Dense(80, activation='relu')) 等

据推测，这里 lstm 的输出层大小为 100，而输入只有 20 对于一个密集层，我可以想象它是如何工作的，因为有很多图表描述了这一点，但是 lstm 如何产生与输入大小完全不同的输出层呢？

同样重要的是，输入（假设为 20）可以有效地给出输出的值范围是多少？任何价值都有意义吗？

【问题讨论】：

给定输入的输出大小没有限制，所以我认为你的问题是基于一个误解。 “如何”只是一个矩阵乘法。
我明白了。谢谢你。不知道我的问题如何冒犯了任何人，但没关系。

标签： tensorflow keras deep-learning lstm recurrent-neural-network

【解决方案1】：

输出大小可以是任何值。例如，在输入 256 长度和 1000 长度的输出大小的词嵌入的情况下，它有点遵循以下步骤：

嵌入到 LSTM 中（这里，我忽略了批次和序列长度；在一个时间步中只嵌入了一个词）
权重矩阵（Waa、Way、Wax 等已初始化）：这些矩阵的形状取决于您提供的输出大小（例如上面的 100）
所有需要的计算都按照 LSTM 语义进行
生成向量长度为1000的输出

【讨论】：