Keras 后有多个密集层的堆叠LSTM

Andrew Ng通过将重复层堆叠在彼此的顶部来讨论深层RNN体系结构。然而，他指出，由于结构中已经存在复杂的时间相关计算，这些通常仅限于2或3个重复层。但他补充道，人们通常会在这些重复出现的层（显示为从[3]延伸出的蓝色框）之后添加“一组没有水平连接的深层”。我想知道，他是在简单地谈论将密集层叠加在重复层之上，还是更复杂的事情？在Keras中有类似的情况：

model = Sequential()
model.add(keras.layers.LSTM(100, return_sequences=True, batch_input_shape=(32, 1, input_shape), stateful=True))
model.add(keras.layers.LSTM(100, return_sequences=False, stateful=True))
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

---

在大多数情况下，是，隐藏状态后RNN的常见结构仅包括密集层

然而，在自然语言处理（NLP）（或语言建模）应用程序（）中预测词汇表的下一个单词时，这可以采取多种形式，例如密集层和softmax层

或者，对于多目标预测，可能需要多个单独的密集层来生成不同的输出，例如，中的值和策略头

---

最后，深LSTM可以用作编码器，它是不一定只包含序列数据的较大模型的一部分。例如，在将组合嵌入通过最终密集层之前，使用LSTM编码文本注释并使用CNN编码图像的模型诊断患者。

我能知道在哪里找到这个类吗？嘿，汤姆，你可以上，我相信这是一个免费的课程。