我发现在Keras中使用了input_shape而不是input_dim，尤其是在LSTM问题中？我担心的是input_shape限制了输入中的行数。它不会离开范围以提供完整的Dataframe作为输入。什么时候应该使用input_shape而不是input_dim？
以下是示例https://machinelearningmastery.com/timedistributed-layer-for-long-short-term-memory-networks-in-python/
最佳答案
以评论为基础并解决混淆点。您可以使用None指定未知维度，以便在运行时提供不同的值。例如，input_shape=(None, 10)表示行数不同，每行有10个条目。 input_dim只是用于指定最终尺寸的捷径，在此很方便。