Keras lstm和致密层_Keras_Lstm_Recurrent Neural Network

Keras lstm和致密层

keras

Keras lstm和致密层,keras,lstm,recurrent-neural-network,Keras,Lstm,Recurrent Neural Network,密集层如何改变LSTM层的输出？为什么从上一层的50个形状输出中，我从用于预测的致密层中得到大小为1的输出？假设我有这个基本模型： model = Sequential() model.add(LSTM(50,input_shape=(60,1))) model.add(Dense(1, activation="softmax")) 密集层是否从上一层获取值，分配50个输入的概率（使用softmax函数），然后将其作为输出？否，密集层不是这样工作的，输入有50个维度，输出的维度等于神经元的数

密集层如何改变LSTM层的输出？为什么从上一层的50个形状输出中，我从用于预测的致密层中得到大小为1的输出？假设我有这个基本模型：

model = Sequential()
model.add(LSTM(50,input_shape=(60,1)))
model.add(Dense(1, activation="softmax"))

密集层是否从上一层获取值，分配50个输入的概率（使用softmax函数），然后将其作为输出？

否，

密集层不是这样工作的，输入有50个维度，输出的维度等于神经元的数量，一个在这种情况下。输出是输入加上偏差的加权线性组合
请注意，对于softmax激活，将其与一个神经元层一起使用是没有意义的，因为softmax是标准化的，唯一可能的输出将是常量1.0。这可能就是你现在想要的