Python 无法理解keras致密层'；s输出

我正在测试keras层。我构建了一个简单的密集层，输入的形状是

（10,2）

，所有值都等于1。我使用零初始状态来初始层权重。然而，我无法理解致密层的输出，因为它可能会计算未知的最终输出。我的代码是：

batch_size = 10
time_steps = 30
label_num = 2.
units = 5

batch_data = tf.ones((batch_size, label_num))

dense_layer = Dense(units)
output = dense_layer(batch_data)
with tf.Session() as sess:
  init = tf.global_variables_initializer()
  sess.run(init)
  print('__________________output_____________________')
  print(sess.run(output))

我打印初始内核和偏差：

____________________self.kernel____________________

[[-0.6072792   0.87520194 -0.5916964  -0.28233814  0.37042332]
 [ 0.24503589 -0.8950937  -0.7122175   0.67322683  0.9035703 ]]

____________________self.bias____________________

[0. 0. 0. 0. 0.]

我认为最终结果应该是：

[[-0.3622433  -0.01989174 -1.3039138   0.3908887   1.2739936 ]
 [-0.3622433  -0.01989174 -1.3039138   0.3908887   1.2739936 ]
 [-0.3622433  -0.01989174 -1.3039138   0.3908887   1.2739936 ]
 [-0.3622433  -0.01989174 -1.3039138   0.3908887   1.2739936 ]
 ....

但是，最终输出为：

[[-0.25280607  1.0728977  -0.6096982   1.1957564   0.82103825]
 [-0.25280607  1.0728977  -0.6096982   1.1957564   0.82103825]
 [-0.25280607  1.0728977  -0.6096982   1.1957564   0.82103825]

---

激活是无的。为什么keras致密层的输出是这样的？

您不了解输出的形状或

输出的数值结果

？你知道权重每次都是随机初始化的，对吧？@Vlad指出，默认情况下，Dense使用

kernel\u initializer='glorot\u uniform'

。你说你用零初始状态来初始层权重，我发现我犯了一个大错误。当我打印权重时，我会重新初始化所有变量。所以输出是基于最后一个随机初始权重的结果，这与我打印的第一个不同！您不了解输出的形状或

输出的数值结果

？你知道权重每次都是随机初始化的，对吧？@Vlad指出，默认情况下，Dense使用

kernel\u initializer='glorot\u uniform'

。你说你用零初始状态来初始层权重，我发现我犯了一个大错误。当我打印权重时，我会重新初始化所有变量。所以输出是基于最后一个随机初始权重的结果，这与我打印的第一个不同！