如何理解LSTM中的timestep，并与大神博客中的示意图对应起来？

本人初学LSTM神经网络，看了一些博客，如：Understanding LSTM Networks
但还是有些疑问，请大神不吝赐教。

问题：LSTM神经网络的输入输出格式是[samples, timesteps, features]，那么请问对于1个samples，此图中

t就对应的是timesteps吗？也就是说，如果输入数据形状为[1,2,3]，即1个样本假设为[[0 1 2]
[3 4 5]]，那么是否按上图展开就变成

其中，X0 = [0 1 2], X1 = [3 4 5]?

对于h0,h1的长度，如果使用python中的keras库，是由model.add(LSTM(len))决定的？ 即如果len=10，则len(h0) = 10?

由于本人是初学，理解可能有误，请大家不要笑话。
目前已经查看过LSTM的神经元个数这篇文章，但没有具体解释timesteps

假设LSTM神经网络的输入输出格式是[samples, timesteps, features]
那么[[[0 1 2] [3 4 5]]]
也就是1条样本，每条样本2个步骤（timestep），每个步骤3个维度（特征，unit）
比如说你预测股票，你有3个维度：股票价格、换手率、交易额，你每10分钟有一组数据，前后你取2组数据，也就是timestep=2，你有这样的样本1条。