Keras 时间分布层与ConvLSTM-2D
有人能为我解释一下时间分布层（from）和ConvLSTM-2D（）之间的区别吗？目的、用法等等 两者都适用于数据序列 时间分布是一个非常简单的层包装器，它只在每个时间点应用一个层（通常是密集层）。当你需要改变输出张量的形状，特别是特征的尺寸，而不是样本大小和时间步长时，你需要它Keras 时间分布层与ConvLSTM-2D,keras,deep-learning,conv-neural-network,lstm,Keras,Deep Learning,Conv Neural Network,Lstm,有人能为我解释一下时间分布层（from）和ConvLSTM-2D（）之间的区别吗？目的、用法等等 两者都适用于数据序列 时间分布是一个非常简单的层包装器，它只在每个时间点应用一个层（通常是密集层）。当你需要改变输出张量的形状，特别是特征的尺寸，而不是样本大小和时间步长时，你需要它 ConvLSTM2D要复杂得多。您需要首先了解cnn和rnn层，其中LSTM是最流行的rnn之一。LSTM本身应用于张量序列，用于NLP、时间序列和每个时间步，输入为一维。cnn，conv部分，通常用于从图像中学习，图
ConvLSTM2D要复杂得多。您需要首先了解cnn和rnn层，其中LSTM是最流行的rnn之一。LSTM本身应用于张量序列，用于NLP、时间序列和每个时间步，输入为一维。cnn，conv部分，通常用于从图像中学习，图像是二维的，但没有序列（时间步长）。结合在一起，convLSTM用于学习序列中的图像，如视频 两者都适用于数据序列 时间分布是一个非常简单的层包装器，它只在每个时间点应用一个层（通常是密集层）。当你需要改变输出张量的形状，特别是特征的尺寸，而不是样本大小和时间步长时，你需要它 ConvLSTM2D要复杂得多。您需要首先了解cnn和rnn层，其中LSTM是最流行的rnn之一。LSTM本身应用于张量序列，用于NLP、时间序列和每个时间步，输入为一维。cnn，conv部分，通常用于从图像中学习，图像是二维的，但没有序列（时间步长）。结合在一起，convLSTM用于学习序列中的图像，如视频