LSTM 中的时间步长、时间信息和空间信息是什么意思？

Question

下面是我将提供给 CNN 和 LSTM 的数据（想要提取空间和时间特征）

数据集：class1 = 20 Speed limit class2 = 90 Speed Limit

train_path='/content/drive/MyDrive/Dataset_manual_pytorch/train'
test_path='/content/drive/MyDrive/Dataset_manual_pytorch/test'

train = torchvision.datasets.ImageFolder(train_path,transform=transformations)
test = torchvision.datasets.ImageFolder(test_path,transform=transformations)

train_loader = torch.utils.data.DataLoader(train, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(test, batch_size =32, shuffle=True)

这是我的 CNN 架构（简单），我在其中输入 batch_size 为 64、 torch.Size([64, 3, 32, 32])的 RGB 图像

class Cnn(ImageClassificationBase):
    def __init__(self):
        super().__init__()
        self.network = nn.Sequential(
            nn.Conv2d(3, 8, kernel_size=3,stride=1, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(2, 2), # output: 8 x 16 x 16

            nn.Conv2d(8, 16, kernel_size=3, stride=1, padding=1),
            nn.ReLU(),
            nn.MaxPool2d(2, 2)) # output: 16 x 8 x 8

            
            # nn.Flatten(), 
            # nn.Linear(16*8*8, 2))
        
    def forward(self, xb):
        xb = self.network(xb)
        print("CNN Actual OutPut before reshaping: \n", xb.shape)
        xb = xb.view(-1, 1024)
        return xb
CNN_4 = Cnn_LSTM()
CNN_4

CNN输出的形状是： torch.Size([64, 16, 8, 8])我把它转换成这个形状通过LSTM： torch.Size([64, 1, 1024])

这是结合 CNN 和 LSTM 架构

class Combine(nn.Module):
    def __init__(self):
        super(Combine, self).__init__()
        self.cnn = Cnn()
        self.rnn = nn.LSTM(
            input_size=1024, 
            hidden_size=64, 
            num_layers=1,
            batch_first=True)
        self.linear = nn.Linear(64,10)

    def forward(self, x):
        batch_size, timesteps, C, H, W = x.size()
        c_in = x.view(batch_size * timesteps, C, H, W)
        c_out = self.cnn(c_in)
        print("\nAfter CNNs: \n", c_out)
        print("Shape of CNN output: \n", c_out.shape)
        r_in = c_out.view(batch_size, timesteps, -1)
        print("\nInput to RNN:\n", r_in)
        print('Shape of input to RNN: \n',r_in.shape)
        r_out, (h_n, h_c) = self.rnn(r_in)
        r_out2 = self.linear(r_out[:, -1, :])
        
        return F.log_softmax(r_out2, dim=1)

model_2 = Combine()
model_2

CNN+LSTM 的输出是： torch.Size([64, 10]) （注意这是针对 64 批大小的，我打破循环以获得进一步的批大小以查看结果）

**问题1： batch_size, timesteps, C, H, W = x.size() timesteps是什么意思？ 我们为什么使用它？ 这与时间特征提取有什么关系吗？

问题2：我们得到输出形状torch.Size([64, 10])其中的时间特征或信息在哪里？

谁能解释一下上面的模型是如何提取空间和时间信息的，我无法通过观察两种架构的输出来理解？**