LSTM模型描述中的Dense到底是什么？

Question

deep_learning是我的新手，与Keras合作时，我想知道当我们拥有如下所示的代码时，Dense的含义是什么：

我读了https://keras.io/getting-started/sequential-model-guide/ 并且我还发现了一些解释，例如：Dense实现了以下操作：output = activation（dot（input，kernel）+ bias）其中，activation是作为激活参数传递的逐元素激活函数，kernel是由图层创建的权重矩阵，bias是由图层创建的偏差向量（仅在use_bias为True时适用）。 这对我没有太大帮助！

model = Sequential([
    Dense(32, input_shape=(784,)),
    Activation('relu'),
    Dense(10),
    Activation('softmax'),

Answer 1

致密层是完全连接的层，即N层的每个神经元都与N + 1层的每个神经元相连

Answer 2

密集层的另一个名称是完全连接层。它实际上是每个神经元与下一层中所有神经元相连的层。它实现了操作output = X * W + b，其中X被输入到层，并且W和b是层的权重和偏差。 W广告b实际上是您要学习的东西。如果您需要更详细的说明，请参阅this文章。

Answer 3

你写的代码不是针对LSTM的，这是一个简单的由两个全连接层组成的神经网络，也被称为dense layer，这里sequential意味着一层的输出会直接传给下一层，这不是sequential learning就像 LSTM。