我拥有(-1, 10)
形状的训练数据,并且我想在每个时间步上应用不同的Dense层。目前,我尝试通过将输入重塑为(-1, 20, 1)
并在顶部使用TimeDistributed(Dense(10))
层来实现这一点。但是,这似乎将相同的“密集”层应用于每个时间步,因此时间步共享权重。有什么办法吗?
答案 0 :(得分:0)
您可以应用200宽的密集层,该层是通过复制输入20次而创建的,如下所示:
from tensorflow.python import keras
from keras.models import Sequential
from keras.layers import *
model = Sequential()
model.add(RepeatVector(20, input_shape=(10,)))
model.add(Reshape((200,)))
model.add(Dense(1))
model.compile('sgd', 'mse')
model.summary()