units：根据官方文档，它定义了输出维度。简而言之，将使用的 LSTM 单元的数量。

单位：正整数，输出空间的维度。

单元只不过是用于处理输入的 LSTM 单元。

stateful：

根据文档：

有状态的：布尔值（默认为 False）。如果为 True，则批次中索引 i 处每个样本的最后状态将用作下一批中索引 i 的样本的初始状态。

如果此参数设置为 False，则 LSTM 单元的状态或内存将在每个通过它的样本处重置。它遵循这种方式：

1. 从批次中取样。
2. 样本将通过 LSTM 并产生一个状态向量（条件记忆）。
3. 给出的输出
4. 如果stateful=True这样，状态向量将用作第二个样本的初始状态。
5. 如果stateful=False是这样，新的状态向量将用于第二个样本。

因此，内存应该从一个样本迁移到另一个样本是由stateful参数决定的。

unroll：

根据文档，

展开：布尔值（默认为 False）。如果为 True，则网络将展开，否则将使用符号循环。展开可以加速 RNN，尽管它往往更占用内存。展开仅适用于短序列。

它可以认为是：

RNN 一旦及时展开，就可以被视为非常深的前馈网络，其中所有层共享相同的权重。（深度学习，自然，2015 年）

你可以在这里阅读一篇优秀的文章。

展开将使 LSTM 成为具有共享权重的深度前馈网络。通过这个图你可以看到和理解。