Tensorflow Keras置换层与重塑层

下面的模型1和模型2都有输出形状（无、64、10）。模型1和模型2的行为完全相同吗？如果没有，他们的行为有何不同？如果是的话，当重塑层可以做置换层所做的每一件事时，为什么我们需要置换层呢

model1 = Sequential()
model1.add(Permute((2, 1), input_shape=(10, 64)))

model2 = Sequential()
model2.add(Reshape((64, 10), input_shape=(10, 64)))

---

模型2.add（重塑（（64，10），输入_shape=（10，64））

您可以自己测试它

model1 = Sequential()
model1.add(Permute((2, 1), input_shape=(10, 64)))

model2 = Sequential()
model2.add(Reshape((64, 10), input_shape=(10, 64)))

X = np.random.uniform(0,1, (3,10,64))
tf.reduce_all(model1(X) == model2(X)) # ===> False

置换不同于重塑。“置换”只是在轴上更改元素，而“重塑”则类似于在展平元素后对其重新排序

model3 = Sequential()
model3.add(Flatten(input_shape=(10, 64)))
model3.add(Reshape((64, 10)))

tf.reduce_all(model2(X) == model3(X)) # ===> True