Python 神经网络的多维输入

我有一个多层的神经网络。我有维度为[batch_size，7,4]的神经网络的输入。当这个输入通过网络时，我观察到只有输入的第三维不断变化，也就是说，如果我的第一层有20个输出，那么第二层的输出是[batch_size，7，20]。我需要在许多层之后的最终结果是[batchsize，16]的形状

我有以下问题：

是否使用了其他两个维度？ 如果没有，我如何修改我的网络以便使用所有三个维度？ 如何有意义地降低一维以获得所需的二维输出？ 以下是我目前在Tensorflow v1.14和Python 3中的实现：

out1=tf.layers.denseinputs=Noised_数据，单位=150，激活=tf.nn.tanh输出[batch，7150] out2=tf.layers.denseinputs=out1，单位=75，激活=tf.nn.tanh输出[批次，7，75] out3=tf.layers.denseinputs=out2，units=32，activation=tf.nn.tanh输出[批次，7，32] out4=tf.layers.denseinputs=out3，units=16，activation=tf.nn.tanh输出[批次，7，16] 感谢您的帮助。谢谢。

对问题1的回答：第二维度轴=1中的数据值未被使用，因为如果您查看下面的代码段输出，假设批次大小=2：

对问题3的回答：如果您按照上述方式重塑输入，则无需删除维度。

对问题1的回答：未使用第二维度轴=1中的数据值，因为如果您查看下面代码段的输出，假设批次大小=2：

---

对问题3的回答：如果您按照上述方式重塑输入，则无需删除维度。

很抱歉这么晚才回复。我之所以有三个维度的数据，是因为它们在每个维度上都有一些意义。重塑将有助于降低维度，这没有问题，但数据现在是交错的，已经失去了所有意义。这就是我的问题中有意义的意思。简言之，虽然你已经成功地减少了一个维度，但这并没有帮助。谢谢你这么晚才回复。我之所以有三个维度的数据，是因为它们在每个维度上都有一些意义。重塑将有助于降低维度，这没有问题，但数据现在是交错的，已经失去了所有意义。这就是我的问题中有意义的意思。简言之，虽然你已经成功地减少了一个维度，但这并没有帮助。谢谢

>>> input1 = tf.placeholder(float, shape=[2,7,4])
>>> tf.layers.dense(inputs=input1, units=150, activation=tf.nn.tanh)
>>> graph = tf.get_default_graph()
>>> graph.get_collection('variables')
[<tf.Variable 'dense/kernel:0' shape=(4, 150) dtype=float32_ref>, <tf.Variable 'dense/bias:0' shape=(150,) dtype=float32_ref>]

input1 = tf.reshape(input1, [-1, 7*4])