Keras 如何为RNN的每个时间戳构建密集层，并反馈每个密集层'；将输出转换为RNN？

---

如图所示，我需要获得每个Lstm时间戳的状态，并将其应用于密集层，以便进行监督学习。然后使用这个密集层的输出以及Lstm下一个时间戳的状态。通常，我希望对RNN的每个步骤应用监督学习，并将输出反馈到下一个时间戳。如何在Keras中实现这一点？

您可能希望结合使用密集层上的包装器和LSTM层中的设置。然而，从您发布的图表来看，您似乎没有将密集层的输出用于下一个LTSM。你确定是这样吗

编辑：

据报道，这似乎不可能直接在Keras中实施。这就是他们的建议：

基本上，除了使用@nzw0301建议的解决方法外，您在Keras中不可能尝试这样做

原因是要使用当前时间步的输出作为下一个时间步的输入，基本上需要“深度优先”，即计算所有层的一个时间步，然后计算下一个时间步，依此类推。然而，Keras所做的是在将输出输入到下一层之前计算一层的所有时间步

我相信有三种方法可以做到这一点：

输入一个不完整的序列，如@nzw0301建议的，只查看您感兴趣的输出的时间步。这在计算上不是很有效，但应该是可行的

制作一个自定义图层。该层将在一个时间步使用其输出作为下一个时间步的输入。但是，请注意，这将限于此单层，即不能应用多个层，然后以这种方式获得输出。是一个旧Keras版本的实现，它可以做类似的事情

使用有状态RNN（stateful=True），并使它们一次只读取一个时间步。有状态意味着它们在序列之间保持其隐藏状态，因此它应该有效地像“正常”RNN/LSTM一样工作，只是您只输入长度为1的序列。（然后您可以解释输出并计算下一个时间步的输入。）不过，到目前为止，我自己从未尝试过这种方法

---

感谢您的回复。可能是我的图表有点混乱，但我需要使用稠密的输出到LSTM层的下一步。我不认为stateful适合我的情况。For stateful可以知道批次之间相同样本索引的状态，但我需要的是在完全相同的批次和相同的样本中，在LSTM层的下一个时间步骤中使用密集层的输出。我同意你使用TimeDistributed wrapper，但我如何将稠密层的输出应用到LSTM的下一步？编辑了我的答案！谢谢！那个讨论真的很有用。很高兴我能帮上忙！