自用时间序列数据RNN LSTM输入形式记录

time_size: 时间跨度（time span）代表时序数据的时间长度
序列维度（sequence dimension）也等同于时间跨度（time span），这一表述较为直观易懂。例如，在语音输入实例中，语音信号的时间跨度即等于其序列维度
input dimension表示一次输入样本中特征向量的空间维度大小
举个例子来说，在全连接层神经网络中当batch_size=1时 输入层的空间维度形状就是1x3
心率的变化就可以视为 输入特征空间的一维信号 因此其空间维度为1 而图示中的信号则是三维空间下的心电信号

我们获取了一个包含100条句子的数据集，在每条句子中有20个单词，并且每个单词都由一个80维向量进行表征。I在LSTM模型中将单一实例定义为一条句子（即一条样本）的输入情况（其形状为[1, 20, 80]）。I设置每个时间步只接收一个单词及其对应的83维向量表示；具体而言，在t₀时刻对应第一个时间步，在该时间步接收的第一个单词x₀代表了整个句子的第一位单词；接着在t₁时刻对应第二个时间步，在此时间步接收的第二个单词x₁代表了整个句子中的第二位单词；以此类推至t₁₉时刻对应最后一个时间步，在此接收的最后一项x₁₉代表了整个句子中的第2₀位单词及其对应的向量表示

1000，2000，1

1, 5, 3

1, 5, 3

本质是线性层

本质是线性层