我想了解TimeDistributed层在Keras中的作用。
但我做了一些实验，得到了我无法理解的结果。
在LSTM层的连接上，TimeDistributed和Just Dense层的结果相同。
理工酷
资源下载
model = Sequential()
model.add(LSTM(5, input_shape = (10, 20), return_sequences = True))
model.add(TimeDistributed(Dense(1)))
print(model.output_shape)
model = Sequential()
model.add(LSTM(5, input_shape = (10, 20), return_sequences = True))
model.add((Dense(1)))
print(model.output_shape)
对于这两个模型，我得到的输出均为（None，10，1）。
在keras中-在构建顺序模型时-通常是第二个维度（一个在样本维度之后）-与时间维度相关。 这意味着，例如，你的数据是5DIM的（样本、时间、宽度、长度、通道)，则可以使用TimeDistributed(适用于具有时间维度(样本、宽度、长度、通道）的4DIM)应用卷积层（将同一层应用于每个时间片），以获得5D输出。
Dense的情况是，在2.0版本的keras中，Dense默认只应用于最后一个维度。例如, 如果将 Dense(10) 应用于(n，m，o，p)的输入，则会得到(n，m，o，10)的输出，因此在你的情况下，Dense 和TimeDistributed(Dense) 是等价的。
