我在大多数代码示例中看到了这个代码概念（使用 Keras 库）LSTM：
model.add(LSTM(X))
model.add(Dense(Y))
但我真的不知道我在输入端是否有 10 个时间步长并且需要输出中的最后一个时间步长以下代码是否正确？
model.add(LSTM(10))
model.add(Dense(1))
或者，如果我有 10 个输入时间步长并且需要 10 个输出时间步长（我的意思是我需要所有单元的所有输出）以下代码是否正确？
model.add(LSTM(10))
model.add(Dense(10))
如果我有 1 层有 10 个单元，我应该如何指定LSTM，我需要所有 10 个输出？或者我需要 10 单元的最后一个输出？还是单元 5 到 10 的最后 5 个输出？
如果您使用：
LSTM(10 , return_sequences = True)
你只会得到一些大小的输出（batch_size，num_timesteps，10）。LSTM 单元大小的“10”是您应该调整的超参数。但是，您想要的是 (batch_size, num_timesteps, num_features) 的大小。这就是为什么要在 LSTM 层之后放置一个 Dense 层的原因。话虽如此，您还需要在 Dense 层周围添加一个 TimeDistributed 包装器，以便将一个 Dense 层应用于每个时间步（1）：
TimeDistributed(Dense(num_features))
现在 TD 密集层的输出大小为：(batch_size, num_timesteps, num_features)，我假设这就是您想要的。您必须将 Y 数据设置为适当的大小才能使其正常工作。它必须是大小（batch_size、num_timesteps、num_features）。你提到你很想知道如何使用它的一部分。在预测时，训练后，你会调用你的 model.predict，它会返回大小为 (batch_size, num_timesteps, num_features) 的东西。您可以使用 numpy 数组切片来访问您想要的内容。