LSTM的输入与细胞数之间的关系是什么？

Question

我想训练一个用于时间序列预测的LSTM网络，并想了解LSTM的底层，据我所知，一个LSTM层中的细胞数可能会有所不同。然而，由于每个单元格在时间步长t处接受输入，那么单元格的数量不一定等于t吗？

例如(来自TensorFlow教程)：

 t=0  t=1    t=2  t=3     t=4
[The, brown, fox, is,     quick]
[The, red,   fox, jumped, high]

words_in_dataset[0] = [The, The]
words_in_dataset[1] = [brown, red]
words_in_dataset[2] = [fox, fox]
words_in_dataset[3] = [is, jumped]
words_in_dataset[4] = [quick, high]
batch_size = 2, time_steps = 5

每层细胞的最大数量不是5个吗？因为在第五次输入之后，我们不再有任何其他信息要输入。然而，我已经看到许多网络的细胞数量比这更多。因此，为何会出现这种情况呢？

Answer 1

将RNN网络看作是一个简单的MLP，对于每一个时间跨度t，接受该时间的输入和前一步的输出。实际上，每次你都会打开网络。因此，单元格的数量与输入大小或时间序列的长度没有任何关系。为了更好地理解，请看一下这里。

Answer 2

单元格的No与输入长度无关。您只需将其看作是通过抽象函数传递输入的次数，以获得更高级别的表示。

信元编号--输入--输出

1。你的输入/输出-1

1. 产出-产出-2