如何改变Keras中间层的批量大小？

我的问题是从LSTM获取所有隐藏的输出，并将它们用作单个密集层的训练示例。将隐藏层的输出展平并将其提供给密集层不是我想要做的。我试过以下几件事：

我考虑了稠密层（）的时间分布包装器。但是，这似乎将同一层应用于每个时间片，这不是我想要的。换句话说，Timedistributed包装器具有3D张量的输入形状（样本数、时间步数、特征数），并生成另一个相同类型的3D张量：（样本数、时间步数、特征数）。相反，我想要的是一个2D张量作为输出，它看起来像（样本数*时间步数，特征数）

在GitHub上有一个对AdvancedReformateLayer:的拉取请求。这似乎正是我要找的。不幸的是，拉取请求似乎已经结束，没有最终结果

我尝试构建自己的lambda层，以实现以下目标：

A） 。model.add（LSTM（NUM_LSTM_UNITS，return_sequences=True，activation='tanh'））#
B） 。model.add（Lambda（Lambda x:x，output_shape=Lambda x:（x[0]*x[1]，x[2]））
C） 。添加（密集（NUM_类，input_dim=NUM_LSTM_单位））

（A）打印后的mode.output_形状：（批大小、NUM_时间步数、NUM_LSTM_单位）和（B）打印后的mode.output_形状：（批大小*NUM_时间步数、NUM_LSTM_单位）

这正是我想要实现的

不幸的是，当我尝试运行步骤（C）时。我得到以下错误：

输入0与层密度_1不兼容：应为ndim=2，找到 ndim=3

这是令人困惑的，因为当我在（B）之后打印model.output_shape时，我确实看到了（BATCH_SIZE*NUM_OF_TIMESTEPS，NUM_LSTM_UNITS），它的ndim=2

非常感谢您的帮助

---

编辑：当我尝试使用函数式API而不是顺序模型时，我在步骤（C）中仍然会遇到相同的错误。

您可以使用后端重塑，其中包括批量大小维度

def backend_reshape(x):
    return backend.reshape(x, (-1, NUM_LSTM_UNITS))

model.add(Lambda(backend_reshape, output_shape=(NUM_LSTM_UNITS,)))

---

这太棒了。谢谢。