我有两个关于 LSTM 的问题：
1) LSTM 输出的形状/大小是否与输入完全相似？
2）我们可以使用 LSTM 的中间输出来推断某种预测吗？
我有一个输入作为 10 帧长度的图像帧序列。我将它们提供给 LSTM，并想预测每一帧是否是这两个类之一。现在我得到的输出是每个 LSTM 单元的类似大小的帧。我可以使用这些输出来推断一些预测（例如，在它们之上添加一些密集层）吗？我之所以这么问，是因为我的印象是 LSTM 只能在不同的意义上使用，例如在给定 1-t 帧作为输入的情况下预测第 (t+1) 帧。
提前致谢！
基本循环神经网络 (RNN) 单元是将先前隐藏状态 h_{t-1} 和当前输入 x_t 作为输入返回隐藏状态的东西
LSTM 也是如此，但正如这篇精彩的博客文章中所描述的，它只是稍微复杂一点。因此，回答您的第二个问题，RNN 单元在每一步都会返回一个可用于进行预测的输出。有两种使用 RNN 的方法，您可以处理整个输入序列并仅查看最后的输出状态（例如处理整个句子，然后对句子的情绪进行分类），或者使用中间结果（在 Keras 中，这是return_sequence=True参数）并进一步处理它们，或进行某种预测（例如，每个句子的每个单词的命名实体识别）。这里唯一的区别是，在第一种情况下，您只需忽略中间状态。如果这太抽象，下图（来自上面提到的博客文章）可能会有所帮助。
如您所见，在每个步骤中，您都有一些输出，它是当前输入和所有历史记录的函数，通过前一个隐藏状态传递。
至于隐藏状态的形状，这是一个矩阵代数，所以形状将取决于输入和权重的形状。如果您使用一些预构建软件，例如Keras，那么这由 LSTM 单元的参数（隐藏的数量units）控制。如果您手动编码，这将取决于权重的形状。