给定shape=[batch_size, max_time, 128]（RNN的输出）的张量，max_time可能会有所不同，我想应用完全连接的层将数据投影到[batch_size, max_time, 10]形状
问题是：我是否需要首先重塑输入Tensor，合并前两个维度，然后应用tf.layers.dense，然后重塑为3D？或者我可以简单地在3D张量上使用tf.layers.dense来获得等效效果吗？
我希望为128个RNN单元和10个输出类之间的所有连接共享一个权重矩阵，允许每个批次具有可变长度max_time。
答案 0 :(得分：3)
经过进一步调查，看来这两个选项是等价的。
Dense.call（）方法检查维数。如果它大于2，则它计算输入和权重之间的tensordot（对应于numpy.tensordot的操作），选择输入中的最后一个维度和权重中的第一个维度作为轴。否则它应用标准矩阵乘法（matmul）。