我不确定如何为有状态LSTM塑造输入。

LSTM(100, statefull=True)

但是在使用有状态的LSTM之前，问问自己我真的需要statefullLSTM吗？有关更多详细信息，请参见此处和此处。

重塑有状态LSTM输入数据的最佳选项是什么？

这真的取决于手头的问题。但是，我认为您不需要重塑，只需将数据直接输入到KERA：

input_layer = Input(shape=(300, 54))

在这种情况下，输入的时间步长是什么意思？为什么？

在您的示例中，时间戳是300。有关时间戳的更多详细信息，请参阅此处。在下面的图片中，我们有5个时间戳，我们将它们输入LSTM网络。

batch_size与时间步长有关吗？

不，这与batch_size无关。关于batch_size的更多细节可以在这里找到。

下面是基于您提供的描述的简单代码。它可能会给你一些直觉：

import numpy as np
from tensorflow.python.keras import Input, Model
from tensorflow.python.keras.layers import LSTM
from tensorflow.python.layers.core import Dense

x_train = np.zeros(shape=(5358, 300, 54))
y_train = np.zeros(shape=(5358, 1))

input_layer = Input(shape=(300, 54))
lstm = LSTM(100)(input_layer)
dense1 = Dense(20, activation='relu')(lstm)
dense2 = Dense(1, activation='sigmoid')(dense1)

model = Model(inputs=input_layer, ouputs=dense2)
model.compile("adam", loss='binary_crossentropy')
model.fit(x_train, y_train, batch_size=512)