如何为Keras中的每个时间步应用不同的致密层

我知道应用时间分布（稠密）在所有时间步上应用相同的稠密层，但我想知道如何为每个时间步应用不同的稠密层。时间步数不是可变的

---

注：我已经看到了，似乎找不到答案

您可以使用本地连接层

本地连接层字作为一个密集层连接到每个

内核大小

时间步（本例中为1）

根据摘要，LocallyConnected层使用的变量数为

（输出尺寸*（输入尺寸+偏差））*时间步长

或（8*（4+1））*10=400

换一种说法：上面的局部连接层表现为10个不同的密集层，每个层连接到其时间步长（因为我们选择kernel_size为1）。这些50个变量的块中的每一个都是一个形状权重矩阵（输入尺寸、输出尺寸）加上一个大小偏差向量（输出尺寸）

还请注意，给定（序列长度，n特征）的输入形状，

densite（输出尺寸）

和

Conv1D（输出尺寸，1，1）

是等效的

i、 e.这种模式：

def make_model():
  inp = Input((sequence_length, n_features))
  h1 = Conv1D(8, 1, 1)(inp)
  out = Flatten()(h1)
  model = Model(inp, out)

def make_model():
  inp = Input((sequence_length, n_features))
  h1 = Dense(8)(inp)
  out = Flatten()(h1)
  model = Model(inp, out)

这个模型：

def make_model():
  inp = Input((sequence_length, n_features))
  h1 = Conv1D(8, 1, 1)(inp)
  out = Flatten()(h1)
  model = Model(inp, out)

def make_model():
  inp = Input((sequence_length, n_features))
  h1 = Dense(8)(inp)
  out = Flatten()(h1)
  model = Model(inp, out)

---

都一样。

谢谢您的澄清！