我在您关注的 [samples, time_steps, features] 下方找到了它。

X = numpy.reshape(dataX, (len(dataX), seq_length, 1))

样本- 这是 len(dataX)，或您拥有的数据点数量。

时间步长- 这相当于您运行循环神经网络的时间步长。如果你想让你的网络有 60 个字符的内存，这个数字应该是 60。

特征- 这是每个时间步的特征数量。如果您正在处理图片，这是像素的数量。在这种情况下，您似乎每个时间步都有 1 个特征。

有点晚了，但以防万一；
一个样本可能指的是个别的训练例子。因此，“batch_size”变量是您发送到神经网络的样本数。也就是说，您一次向神经网络提供了多少不同的示例。

TimeSteps是时间的刻度。这是每个样本的时间长度。例如，一个样本可以包含 128 个时间步，其中每个时间步可能是信号处理的 30 分之一秒。在自然语言处理 (NLP) 中，时间步长可能与字符、单词或句子相关联，具体取决于设置。

特征只是我们在每个时间步输入的维数。例如在 NLP 中，一个单词可以使用 word2vec 由 300 个特征表示。在信号处理的情况下，让我们假设您的信号是 3D 的。也就是说，您有一个 X、一个 Y 和一个 Z 信号，例如加速度计在每个轴上的测量值。这意味着您将在每个时间步为每个样本发送 3 个特征。纪尧姆

_

我用一个例子回答：[“你好，这是 xyz”，“你好吗”，“伟人......”]

在这种情况下，“[样本、时间步长、特征]”表示：

• 示例： 3 因为列表中有 3 个元素
• 时间步长：这里可以取 max_length = 4 length("hello this is xyz") = 4; length("你好吗") = 4; length("great man...") = 2（删除标点符号“.”后）。说这是一个时间步长的原因是，在第一个元素 "hello this is xyz" ==> t0("hello"), t1("this"), t2("is") and t3("xyz")
• 特征：每个词嵌入的大小。例如，“hello”：50D 数组，“this”：50D 数组等等