假设我们有一个时间序列数据集，其 window_size = 30 且 batch_size = 4，这使得整体输入 = 4*30 (2D)。但是由于 RNN 期望 3D 输入，tf.expand_dims因此将其用作 3D 输入（根据讲座，新 inut 变为 4*30*1，其中最后一个维度为 1，因为该示例处理单变量时间序列）。我不明白的是，添加维度是什么意思？例如。输入的元素 [0,0,0] 是什么？

同样在 keras 中，拟合的典型格式是

model.fit(input, output, epochs=400)

但是在时间序列数据的 RNN 示例代码中，我发现

model.fit(dataset, epochs=400)

其中 dataset 是一个包含时间序列数据的 tf 对象。为什么在第一个代码的情况下没有明确给出模型训练的输入和输出？时间戳已经以某种方式包含在输入中（在 4*30*1 输入中，第 2 维应该是时间戳），但是 keras 如何知道必须训练输入的输出标签是什么？