我在查看以下代码：

model = Sequential()model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=True))model.add(LSTM(input_shape = (1,), input_dim=1, output_dim=6, return_sequences=False))model.add(Dense(1))model.add(Activation('linear'))

第一层的输出维度是6，为什么下一层的输入维度是1？

编辑

代码是错误的，Keras尽力处理了，如实际生成的模型所示（注意模型与代码不符）：

回答：

这段代码非常混乱，不应该这样写。

在顺序模型中，Keras只尊重第一层的input_shape。所有后续层都使用前一层的输出进行初始化，实际上忽略了input_shape的指定。源代码：keras/models.py。在这种情况下，它是(None, None, 6)。

因此，模型摘要如下所示：

Layer (type)                 Output Shape              Param #   =================================================================lstm_1 (LSTM)                (None, None, 6)           192       _________________________________________________________________lstm_2 (LSTM)                (None, 6)                 312       =================================================================

顺便说一下，Keras对这个LSTM的指定发出了警告，因为input_dim已被弃用：

请将您的LSTM调用更新为Keras 2 API：LSTM(input_shape=(None, 1), return_sequences=True, units=6)

请将您的LSTM调用更新为Keras 2 API：LSTM(input_shape=(None, 1), return_sequences=False, units=6)