Keras 为什么在堆叠RNN中返回序列？

堆叠RNN时，必须在Keras中将

return_sequences

参数设置为

True

比如在Keras

lstm1 = LSTM(1, return_sequences=True)(inputs1)
lstm2 = LSTM(1)(lstm1)

为每个堆叠的RNN层保留输入空间的维度有些直观，但是，我并不完全相信

有人能（从数学上）解释原因吗

---

谢谢。

重复层的输入形状为：

• （序列数、时间步长、输入功能）

对于重复出现的层，这是绝对必要的，因为只有在存在时间步长的情况下才能出现任何重复出现

现在，比较每种情况下重复层的“输出”：

• 使用

  return\u sequences=True

  -

  （序列数、时间步长、输出功能）

• 使用

  return\u sequences=False

  -

  （序列数量、输出功能）

如果没有

return\u sequences=True

，则会消除时间步长，因此无法将其输入到循环层中，因为没有足够的维度，而最重要的维度是

time\u steps

不存在