具有softmax的Keras时间分布密度未按时间步长标准化

这与问题中的问题不同

我有一个非常简单的Keras模型，它接受时间序列数据。我想用一个循环层来预测一个相同维度的新序列，在最后用一个softmax来提供每个时间步的标准化结果

这就是我的模特的样子

x = GRU(256, return_sequences=True)(x)
x = TimeDistributed(Dense(3, activation='softmax'))(x)

假设输入是这样的：

[
  [0.25, 0.25, 0.5],
  [0.3, 0.3, 0.4],
  [0.2, 0.7, 0.1],
  [0.1, 0.1, 0.8]
]

我希望输出是相同的形状，并在每一步正常化，如：

[
  [0.15, 0.35, 0.5],
  [0.35, 0.35, 0.3],
  [0.1, 0.6, 0.3],
  [0.1, 0.2, 0.7]
]

但我实际得到的结果是，每行中的元素之和实际上是四分之一（或行数的任何分数），而不是1

简单地说，我认为时间分布的想法是将密集层应用于每个时间步，因此有效地将密集与softmax激活重复应用于每个时间步。但我似乎得到了一个结果，看起来它在时间步长输出矩阵的所有元素中都是标准化的

---

由于我似乎理解不正确，是否有一种方法可以获得每个时间步的密集softmax结果（在每个步骤中标准化为1），而不必依次预测每个时间步？

问题似乎不是使用时间分布包装器处理softmax，而是我的预测函数中的错误，这是对整个矩阵求和，而不是逐行求和